论文研究-基于用户多属性与兴趣的协同过滤算法.pdf下载

传统的协同过滤算法广泛应用于推荐系统领域，但该算法仍存在用户冷启动和数据稀疏性问题，造成算法的推荐质量较差。对此，提出一种基于用户多属性与兴趣的协同过滤算法AICF（attributes and interests collaborative filtering）。首先通过对多种用户属性分配权重计算出用户多属性相似度。其次利用改进的Slope One算法填充用户—项目评分矩阵，然后计算基于隐性标签的用户兴趣相似度。最后基于两种相似度的组合进行推荐。实验结果表明，AICF算法不仅明显提高了推荐结果的准确性，同时也改善了用户冷启动和数据稀疏性问题。