基于隐式评分的协同过滤推荐算法在信息推荐系统中的应用

经过上面的论述，得到用户u对博客文章di的隐式评分IRu(di)，这样就可以基于这些隐式评分将基于项目的协同过滤推荐技术应用到博客推荐中，从而为用户推荐其感兴趣的博客文章。基于隐式评分的协同过滤博客推荐技术主要包括两个关键步骤:选取最近邻居和产生推荐。

(1)选取最近邻居

为了获取目标博客di的最近邻居，需要首先计算博客文章之间的相似度。项目相似度计算的主要的方法有三种:余弦相似性方法、皮尔逊相关系数方法和修正的余弦相似性方法。这里，系统采用修正的余弦相似性方法，公式如下:

其中，IRu(di)表示目标用户u对博客di的隐式评分，表示用户u对博客的隐式评分之和的平均数。根据所求得的相似度的大小进行排序，选取相似度最大的前K项，组成博客di的最近邻居集合Nearest Neighbor Collection，记为KNNCi。

(2)产生推荐(www.xing528.com)

产生推荐即求得目标用户u对其未阅读过的博客di的预测评分值，可以利用基于项目均值的加权平均值方法来计算。公式如下:

其中，Pu，i表示用户u对未阅读过的博客文章di的预测评分值。这样就可以计算出用户对未阅读过的博客的预测评分值，然后按照预测评分值由大到小排序，选择预测评分值最高的Top-N个博客推荐给用户。

(3)算法描述

下面给出基于隐式评分的博客推荐技术的算法，算法的最终输出结果是用户u的预测评分值最高的前N项博客文档，算法描述如图4-7所示。