为解决协同过滤算法中的数据稀疏性问题，提出了一种改进的协同过滤算法。该算法使用slope-one算法计算出来的评分预测值来填充评分矩阵中的未评分项目，然后在填充后的用户—项目评分矩阵上通过基于用户的协同过滤方法给出推荐。利用slope-one算法计算出来的评分预测值作为回填值，既能降低评分矩阵的稀疏性，也保证了回填值的多样性，从而减少均值、中值等单一填充值造成的推荐误差。在MovieLens-1M数据集上对该改进算法和协同过滤算法及均值中心化处理的算法作五折交叉实验，结果表明，基于评分预测值填充数据后的协同过滤算法有效地缓解了数据稀疏性问题，并且有更好的推荐效果。
2021-12-27 21:40:19
1.08MB
1
该数据集是常用的推荐系统数据集，主要包括用户观看电影的相关信息。具体包括用户信息，电影信息，用户观看电影时的评分和时间等信息。
2021-06-03 20:41:11
11.95MB
1