摘要: 个性化推荐系统是大数据时代信息过滤的有效手段,影响推荐系统预测准确性的主要原因之一是数据稀疏性。Slope One评分预测推荐算法采用简单的线性回归模型解决数据稀疏问题,该算法的优点是易于实现,评分预测速度快;缺点是在训练阶段生成项目之间评分差的时间和空间消耗大,训练阶段需离线进行。提出了一种简化的Slope One算法,以两项目历史平均分之差代替项目评分差,降低了算法的时间复杂度和空间复杂度,简化了耗时最多的生成项目之间评分差的过程,有效提高了评分数据的利用率,对稀疏数据有更好的适应性。在Movielens数据集上利用按照时间戳排序后划分的测试集进行实验表明,提出的Simplified Slope One算法对评分预测的准确性与原Slope One算法接近,但时间复杂度和空间复杂度均低于原 Slope One算法,更适合在数据规模增长迅速的大型推荐系统中应用。