基于用户偏好度的双极协同过滤推荐算法

为了解决目前推荐方法中用户相似度计算不准确、推荐准确率较低的问题,建立一种基于用户偏好度的双极协同过滤推荐算法.计算用户间共同项目数量,当共同项目数量小于设定阈值时,选择用户、项目、项目属性特征构建用户对项目、属性的双极特征向量,表示用户的喜欢程度和讨厌程度.通过对双极特征向量进行加权计算,得到用户间相似度.在标准的MovieLens数据集上验证该算法.实验结果表明,该文算法的平均绝对误差(MAE)和均方根误差(RMSE)较其他算法降低了约9％,平均分值排名(R)降低了约10％.