文件名称：基于杰卡德相似性的推荐系统研究 (2013年)
文件大小：248KB
文件格式：PDF
更新时间：2024-06-10 21:01:16
自然科学 论文
协同过滤推荐系统的核心是用户的相似性度量．在杰卡德相似性度量基础上，提出一种修正的杰卡德相似性度量．该方法将用户评分差异的数目融入相似度计算，并综合杰卡德相似度建立神经网络学习模型，选取 Movielens数据作为训练集，得到合适的权重．实验结果表明，与pearson相似性度量相比，该方法在用户评价较少时给出相对可靠的推荐，在推荐的精度、平均绝对误差等方面具有一定的优越性．