基于满意度及特征近似的协同数据融合推荐

为进一步改善协同数据融合推荐算法的数据推荐效率及可靠性,为用户提供更具个性化特征的服务选项,提出一种基于用户满意度及特征近似的协同数据融合推荐算法。首先,根据使用者评价相似度、置信度及兴趣相似度三个指标,来计算和替代原有用户评价相似度指标,使得评价指标更全面和精确,指标的分辨率更高;其次,根据使用者属性作为评价用户间相似度的指标,使相似度更贴近用户使用感受;最后,通过在标准测试数据集上实验对比显示,所提算法在提高服务推荐准确度同时,具有更高的应用价值。

Recommendation for collaborative data fusion based on user satisfaction and feature approximation