论文研究-基于改进最近邻的协同过滤推荐算法.pdf

针对当前协同过滤推荐算法易受数据稀疏性与冷启动的问题，提出了一种改进最近邻的协同过滤推荐算法。建立用户-项目评分矩阵，并度量项目之间、用户之间的相似性，获取项目和用户的最近邻居，其中最近邻居的最优参数k值采用粒子群算法选择，在MovieLens和Book-Crossing数据集上进行了仿真对比实验。结果表明，相对于其他协同过滤推荐算法，该算法降低了平均绝对误差值，提升了推荐准确度，达到提高推荐质量效果的目的。