论文部分内容阅读
针对传统协同过滤推荐算法的不足,提出一种新的推荐算法,该算法重新诠释专家与用户的关系。首先,结合全局专业指数和局部活跃指数定义专家的条件,再选取合适的比例组成专家组,然后按照专家的判断力以及与目标用户的相异度分配评分权重,最后定义预测评分选出最佳推荐,同时,专家组成员是动态变化的,其评分也各有权重,推荐的结果更贴近目标用户。因此,本算法推荐的信息利用率高,推荐的结果清晰明了,在公开数据集Group Lens和Netflix上的实验结果表明,本算法预测用户评分的准确率明显优于传统算法。