針對傳統(tǒng)協(xié)同過濾推薦算法遇到冷啟動情況效果不佳的問題，提出一種基于項(xiàng)目相似性度量方法（IPSS）的項(xiàng)目協(xié)同過濾推薦算法（ICF_IPSS），其核心是一種新的項(xiàng)目相似性度量方法，該方法由評分相似性和結(jié)構(gòu)相似性兩部分構(gòu)成：評分相似性部分充分考慮兩個項(xiàng)目評分之間的評分差、項(xiàng)目評分與評分中值之差，以及項(xiàng)目評分與其他評分平均值之差；結(jié)構(gòu)相似性部分定義了共同評分項(xiàng)目占所有項(xiàng)目比重，并懲罰活躍用戶的逆項(xiàng)目頻率（IIF）系數(shù)。在Movie Lens和Jester數(shù)據(jù)集下測試算法準(zhǔn)確率。在Movie Lens數(shù)據(jù)集下，當(dāng)近鄰數(shù)量為10時，ICF_IPSS的平均絕對偏差（MAE）和均方根誤差（RMSE）分別比基于Jaccard系數(shù)的均方差異系數(shù)的項(xiàng)目協(xié)同過濾算法（ICF_JMSD）低3.06qo和1.20%；當(dāng)推薦項(xiàng)目數(shù)量為10時，ICF_ IPSS的準(zhǔn)確率和召回率分別比ICF_JMSD提升67. 79%和67. 860-/0。實(shí)驗(yàn)結(jié)果表明，基于IPSS的項(xiàng)目協(xié)同過濾算法在預(yù)測準(zhǔn)確率和分類準(zhǔn)確率方面均優(yōu)于基于傳統(tǒng)相似性度量的項(xiàng)目協(xié)同過濾算法，如ICF_JMSD等。
?