论文部分内容阅读
传统的最近邻协同过滤推荐算法中相似度计算存在一些问题,如不能刻画变化的用户偏好。在数据稀疏的基础上,从解决用户兴趣漂移问题的角度出发,提出一种新的混合相似度计算模型。该模型由两部分组成:一方面利用了函数拟合刻画了用户自身的评分行为和评分偏好;另一方面采用随机森林方法考虑了用户的属性特征,并综合两方面构建了一种新的混合相似度计算模型。实验结果显示,在不同的数据集规模中,该模型算法的预测精度比传统推荐算法高。