第2章　基于巴式系数改进相似度的协同过滤推荐算法

针对传统协同过滤推荐算法中评分数据稀疏性及所造成的推荐质量不高问题，提出一种巴氏系数（Bhattacharyya Coefficient）改进相似度的协同过滤推荐算法。在基于近邻协同过滤推荐算法基础上，利用巴氏系数改进相似度计算方法，在计算相似度时不仅依靠两个用户间的共同评分而是所有评分，首先利用Jaccard相似度来计算用户间的全局相似度；其次使用巴氏系数获得评分分布的整体规律，并结合Pearson相关系数来计算其局部相似度；最后融合全局相似度和局部相似度得到最终的相似度矩阵。在Movielens数据集的实验结果表明，该算法在稀疏数据集上获得更好的推荐结果，有效地缓解了评分数据稀疏性问题，提高了推荐的准确度。