基于用户偏好的协同过滤算法

　　针对传统协同过滤推荐算法仅通过使用用户评分数据计算用户相似度以至于推荐精度不高的问题，提出一种改进的协同过滤推荐算法。首先，以用户评分的平均值作为分界点得出用户间的评分差异度，并将其作为权重因子计算基于评分的用户相似度；其次，依据用户项目评分和项目类别信息挖掘用户对项目类别的兴趣度以及用户项目偏好，并以此计算用户偏好相似度；然后，结合上述两种相似度加权产生用户综合相似度；最后，融合传统项目相似度和用户综合相似度进行评分预测及项目推荐。实验结果表明，相对于传统的基于用户评分的协同过滤推荐算法，所提算法在数据集下的平均绝对误差值平均降低了2. 4%。该算法可在一定程度上提高推荐算法精度以及推荐质量。