摘要：推荐质量低是协同过滤推荐技术面临的主要难题之一、数据集的极端稀疏是造成推荐质量低的主要原因之一．常见的降维法和智能Agent法虽然某种程度上能缓解这个问题，但会导致信息损失和适应性等问题．设计了一个新的协同过滤算法，根据用户评分向量交集大小选择候选最近邻居集，采用BP神经网络预测用户对项的评分，减小候选最近邻数据集的稀疏性．该算法避免了降维法和智能Agent法的缺点，而且实验结果表明，该方法能提高预测值的准确度，从而提高协同过滤推荐系统的推荐质量．

原文链接:http://www.cqvip.com//QK/94913X/200604/21629270.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）