论文研究-融合用户自然最近邻的协同过滤推荐算法.pdf下载

现有的基于近邻的协同过滤推荐方法如基于KNN、基于K-means的协同过滤推荐常用来预测用户评分，但该方法确定邻居个数K非常困难且推荐准确率不高，难以达到理想推荐效果。从选择邻居用户这一角度出发，提出一种融合用户自然最近邻的协同过滤推荐算法（Collaborative Filtering recommendation integrating user-centric Natural Nearest Neighbor，CF3N），该算法首先自适应地寻找目标用户的自然最近邻居集，再融合目标用户的自然最近邻居集与活动近邻用户集，使用融合后得到的邻居集合预测目标用户评分。实验使用了MovieLens数据集，以RMSE和MAE为评测标准，比较CF3N、CF-KNN与INS-CF算法，结果显示在电影领域该算法的推荐准确率有显著提高。