提高相似度计算的准确率的过滤推荐算法

　　为了进一步提高相似度计算的准确性，提出了一种优化组合相似度的协同过滤推荐算法。首先，建立用户项目评分时间矩阵，根据用户对共同评分项目的评分时间先后顺序，计算用户之间的影响力；其次，根据用户对共同评分项目的评分差异，计算评分差异的加权信息熵；最后，将时序行为影响力融入到基于加权信息熵的相似度中，其中融合参数d由随机粒子群优化算法选择。通过与其他相似度计算方法比较，该算法降低了标准平均绝对误差和流行度，在一定程度上降低了数据稀疏性的影响，能更准确地计算相似度，从而提高了推荐质量。