论文部分内容阅读
空间数据的广泛应用需要高效的推荐系统来管理,以增加空间数据的可用性。用户协同过滤(Collaborative Filtering)是推荐系统中发展最为迅速的方法之一,也是在电子商务领域应用最广泛的方法。在研究传统协同过滤算法的基础上提出了一种减轻数据稀疏性对推荐效果产生的负面影响的方法。提出了一种基于项目相似度的数据填充方法,其目的在于当原始数据集比较稀疏时为算法提供足够的数据支持。经实验证明,改进算法在空间数据集上比传统方法有更好的预测性能和运行效率。