使用正态分布函数修正推荐系统相关相似性

宋 平，邵 清

(上海理工大学 光电信息与计算机工程学院，上海 200093)



使用正态分布函数修正推荐系统相关相似性

宋 平，邵 清

(上海理工大学 光电信息与计算机工程学院，上海 200093)

为提高协同过滤推荐系统寻找最近邻居集合的准确程度，在传统的相关相似性基础上，提出了一种利用正态分布函数作为修正函数的相关相似性计算方法，该方法依据双方共同评分的项目进行用户相似性评价，利用正态分布函数来修正用户之间评分项目数差距对相关相似性计算产生的负面影响，能够较好地体现用户的相似程度。实验结果表明，在相同条件下，该方法与传统的相关相似性计算方法，在一定程度上提高了寻找最近邻居用户集合的准确度。

推荐系统；相似性；正态分布；修正函数；邻居用户集合

SONG Ping, SHAO Qing

(School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology,Shanghai 200093, China)

为了让用户从大量信息中找到自己感兴趣的信息，推荐系统[1]已逐渐成为电子商务中一个必不可少的工具，并且得到研究者的关注。协同过滤推荐系统[2]是目前为止成功、且运用最多的推荐技术，与传统的直接分析内容进行推荐不同，基于用户的协同过滤推荐系统通过分析用户兴趣，在用户群中找到与指定用户的相似用户，综合户对该项目的喜好程度[3]。为找这些相似用户对同一项目的评价，预测出该用到目标用户的最近邻居进行推荐, 必须度量用户之间的相似性，然后选择相似性最高的若干用户，作为目标用户的最近邻居[4]。目标用户的最近邻居查询是否准确, 直接关系到整个推荐系统的推荐质量, 而要想准确查询目标用户, 需要准确计算不同用户之间的相似性, 所以如何准确计算用户之间相似性就成为提高推荐准确率的关键。……