论文笔记：A Novel Bayesian Similarity Measure for Recommender Systems

一、基本信息

论文题目：《A Novel Bayesian Similarity Measure for Recommender Systems》

发表时间：ICJAI 2013

论文作者及单位：

论文地址：https://dl.acm.org/citation.cfm?id=2540506

 

二、摘要

        协同过滤（collaborative filtering）是一种广泛使用的以用户为中心的推荐技术，它通过汇总来自类似用户的评级来预测项目的评级。用户相似度通常通过余弦相似度或皮尔逊相关系数来计算。然而，它们都只考虑评级向量的方向，并且都有一系列的缺点。为了解决这些问题，我们提出了一种新的基于Dirichlet分布的贝叶斯相似性度量，同时考虑了评级向量的方向和长度。此外，我们的principled method由于偶然性降低了相关性。对六个实际数据集的实验结果表明，该方法具有较高的精度。

 

三、论文主要内容与工作

1、原有的用来测量相似度的VSS和PCC方法存在四点不足：

• 平值问题：如果所有评级值都是flat，例如一个用户给分为（1，1，1），另一个给分为（5,5,5）则当相关公式分母变为0时&#