摘要：经典的Slope One算法采用线性回归模型对目标项目进行预测评分，但在项目评分偏差表构建过程中产生了部分噪声数据，影响了算法的推荐性能。为了解决该问题，建立了一种基于局部近邻Slope One协同过滤推荐算法。算法计算了当前活跃用户针对不同推荐商品的近邻用户集，其邻居用户集根据目标项目的不同而动态变化；根据活跃用户关于不同目标项目的邻居用户数据来进一步优化项目之间的平均偏差，进而产生推荐。对比实验说明，该算法在MovieLens数据集上具有较高推荐精度。

关键词：协同过滤 推荐系统 局部近邻 slope one 

单位：湖南大学信息科学与工程学院; 湖南长沙410082