个性化推荐系统中相似度计算的优化

　　个性化推荐系统能够比较有效的解决我们获取信息时遇到的信息过载问题，发展至今产生了许多经典的推荐算法，其中最成熟应用最为广泛的是协同过滤算法。相似度的准确计算在协同过滤算法中起到了非常重要的作用，为了进一步提高推荐系统的推荐准确率，本文对相似度计算方法进行了研究。通过项目相似度和评分差异性对计算结果影响的大小，计算时给予不同的权重，并在MovieLens上对推荐结果进行预测，试验结果显示，MAE值降低了2.5%，优化后的相似度计算方法可以提高个性化推荐系统的推荐准确率。