关键词：协同过滤;;多样性;;贝叶斯理论;;商品相似度
摘 要：针对现有推荐算法忽视了推荐结果总体多样性的问题,在传统的协同过滤算法基础上,提出了新的算法。分析了基于项目的协同过滤算法的原理及多样性缺陷,有针对性地对其改进。该方法降低了活跃用户、热门商品对计算商品相似度的贡献,并利用贝叶斯理论分析用户对商品特征属性的喜好度。在计算相似度时,考虑用户对商品特征的喜好度,在此基础上计算目标商品的最近邻居。实验结果表明该算法可以有效提高推荐系统的多样性。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取