融合用户评分和属性相似度的协同过滤推荐算法

为了提高协同过滤推荐系统的推荐效率和准确性，更好地向用户提供个性化的推荐服务，提出一种用户评分和属性相似度的推荐算法。首先分析当前协同过滤推荐研究的现状，设计评分相似度、兴趣倾向相似度、置信度等作为评分标准，使得用户相似度的计算更加准确、有区分度，然后根据用户属性来衡量用户之间的相似度，最后利用MovieLens数据集和Book-Crossing数据集做对比试验，对比精度、通用性和不同稀疏度及冷启动情况下的性能。实验结果表明，本文算法不仅提高了推荐精度，而且明显优于其它协同过滤推荐算法，具有更高的实际应用价值。