论文部分内容阅读
针对传统协同过滤推荐算法在相似度计算、近邻集选择和评分过程中存在的不足,综合分析了三种改进型协同过滤推荐算法并对其进行了实验验证。结果表明,基于熵的相似度计算能够充分考虑共同评分项目的影响、双重阈值近邻集选择可以有效选择出与目标用户最相似且对评分作用最大的近邻集;基于重要性排名算法可通过引入重要性程度因子进一步提升协同过滤算法的精度。