一種提升圖書推薦精度的協同過濾改進算法

柯秀文

(商丘職業技術學院 軟件學院，商丘 476001)

0 引言

隨著現代信息技術的高速發展，給社會各行各業帶來了革命性的變革，提供高效、優質的服務是很多行業追求的目標。信息技術的廣泛應用為各級各類圖書館提供了新的服務方向和選擇。根據讀者的需求，提供差異化、高質量的個體服務，是各級各類圖書館在新時期深化圖書館服務職能的積極嘗試和有益探索，也是信息服務的必然需求。傳統的圖書搜索引擎只能為所有讀者展現相同的圖書排序結果，無法結合讀者的個人愛好提供差異化的檢索結果，而基于協同過濾算法的圖書推薦系統卻能夠根據讀者的個人偏好為其提供差異化的圖書推薦[1]。

然而，隨著各級各類圖書館開放程度和服務質量的提升，推薦系統中讀者與圖書數量的增加和積累，評分矩陣數據稀疏性問題越來越顯著，此外，傳統的基于內存的協同過濾算法沒有考慮時間因素等上下文信息對相似度造成的影響，這些都導致圖書推薦質量的下降。因此，本文提出一種改進的協同過濾算法，以提高圖書推薦質量，實驗證明，改進的協同過濾算法能夠有效提高圖書推薦精度。

1 協同過濾算法及改進思路

協同過濾( Collaborative Filtering，CF)是當前使用最為廣泛的推薦算法之一，這個概念由 Goldberg等在1992年正式提出[2]，它依據用戶-項目評分數據，算法基于用戶對一些項目的評分進行比較，假設用戶對一些項目評分相似，那么用戶對其他項目評分也相似[3]。……