融合评分相对差异的协同过滤推荐算法

协同过滤推荐算法是个性化推荐系统中最常用的方法之一，其中相似度计算直接影响基于内存的协同过滤推荐算法的推荐质量.针对协同过滤推荐算法中传统的用户间相似度计算方法仅考虑共同评分项评分数值上的差异导致难以准确衡量非偏好评分场景中用户间相似度的问题，本文提出一种基于余弦相似度并融合评分相对差异的用户间相似度计算方法.该方法考虑评分规模上的差异，计算评分相对相似度并且引入放大系数，在非偏好评分的场景下可以更加准确地区分用户间差异.在真实的数据集上完成对比实验分析，结果表明在非偏好评分场景下，所提方法相较于对比方法能降低预测误差，提高推荐质量.