作者:陈晓霞; 卢菁音乐推荐多数据源推荐系统自适应融合动态调整
摘要:现有推荐系统的研究多数基于单一数据源、单一推荐算法或简单加性融合,忽略了数据源及算法动态融合的重要性,导致推荐精确度不高。为解决该问题,提出一种新的动态自适应推荐算法。利用基础数据求出艺术家流行度和时间衰减因子,将其作为推荐数据源,降低由数据源单一导致的推荐误差。通过权重因子集成基于邻域方法和矩阵分解技术构建组合模型。将数据源应用于模型,运用固定步长的权重因子调整2种方法在模型中的占比,根据推荐结果的召回率实现动态自适应调整。在真实数据集上的实验结果表明,与简单加性融合、FSWA算法相比,该算法具有较高的推荐精确度。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社