摘要：协同过滤算法在推荐系统中应用最广泛,其中相似度计算是该算法重要一环.为了提高相似度计算的准确性,以及更好地利用位置行为数据,本文提供了一种基于改进相似度和位置行为的协同过滤推荐算法.首先,利用日志数据离线计算出位置影响力矩阵;其次,根据用户-项目评分矩阵,得到用户对共同评分项目的评分差异,同时引入兴趣加权,计算出评分差异的加权信息熵;最后,将位置影响力矩阵信息融入到基于加权信息熵的相似度中,得到邻居用户集,进而产生推荐.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,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,提高了推荐质量.
