基于用户评分一致性的协同过滤个性化推荐算法

摘要

在目前信息高速发展的时代，个性化推荐作为信息过滤的重要手段，是解决信息超载的最有效方法之一。协同过滤一直是解决个性化推荐比较热门的技术，其主要思想是计算用户之间的相似性或计算项目之间的相似性，然后根据用户或项目之间的相似性对目标用户进行推荐。文章基于协同过滤的思想，提出了一种结合用户评分一致性的单模投影算法，首先在用户与项目的关系二部图中计算用户之间的评分一致性，然后把一致性赋值作为压缩之后的单模投影权值，最后用K近邻找到相似用户并做出个性化推荐。在MovieLens、 FilmTrust和Jester等真实数据集上的实验表明，基于评分一致性的推荐算法达到了较好的效果。

关键词

个性化推荐 / 协同过滤 / 单模投影 / 一致性 / K近邻