針對傳統協同過濾推薦算法遇到冷啟動情況效果不佳的問題，提出一種基于項目相似性度量方法（IPSS）的項目協同過濾推薦算法（ICF_IPSS），其核心是一種新的項目相似性度量方法，該方法由評分相似性和結構相似性兩部分構成：評分相似性部分充分考慮兩個項目評分之間的評分差、項目評分與評分中值之差，以及項目評分與其他評分平均值之差；結構相似性部分定義了共同評分項目占所有項目比重，并懲罰活躍用戶的逆項目頻率（IIF）系數。在Movie Lens和Jester數據集下測試算法準確率。在Movie Lens數據集下，當近鄰數量為10時，ICF_IPSS的平均絕對偏差（MAE）和均方根誤差（RMSE）分別比基于Jaccard系數的均方差異系數的項目協同過濾算法（ICF_JMSD）低3.06qo和1.20%；當推薦項目數量為10時，ICF_ IPSS的準確率和召回率分別比ICF_JMSD提升67. 79%和67. 860-/0。實驗結果表明，基于IPSS的項目協同過濾算法在預測準確率和分類準確率方面均優于基于傳統相似性度量的項目協同過濾算法，如ICF_JMSD等。
?