作者:刘健 张琨 陈旋标签协同过滤兴趣模型个性化推荐
摘要:现有的协同过滤推荐算法主要依据用户对资源的评分,但是通常用户的评分矩阵数据稀疏,少量的评分数据不能很好表示出用户和资源的特点。然而,标签既能反映用户的兴趣又能描述资源的自身特征。因此,本文通过引入标签,提出一种基于标签和协同过滤的个性化推荐算法。该算法将标签视为用户和资源的中间纽带,通过拆分用户-标签-资源三维关系图后分别计算用户与标签、标签与资源的关联度,构建用户的兴趣模型。再依据用户兴趣模型预测对于待推荐新资源的兴趣度,最终产生Top-N推荐集。在公开数据集Movie Lens上,与现有算法的比较结果表明,该算法在准确率、召回率上均有所提升,达到了更好的推荐效果。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社