基于用户兴趣融合的协同过滤推荐算法 |
| |
引用本文: | 兰小春,姚树廷,崔国红.基于用户兴趣融合的协同过滤推荐算法[J].科技与管理,2018(1). |
| |
作者姓名: | 兰小春 姚树廷 崔国红 |
| |
作者单位: | 哈尔滨理工大学经济与管理学院 |
| |
摘 要: | 协同过滤推荐算法已成功应用在各类门户网站,越来越多的研究者参与其中,然而在协同过滤推荐过程中用户—项目评分矩阵数据稀疏性以及推荐的准确性低等问题,始终制约着该算法的发展。为此,从用户兴趣角度出发,单独构建情景用户兴趣模型及社交网络用户兴趣模型,再通过Logit Boost算法将2个兴趣模型融合得到准确的用户兴趣模型。Slope One算法填充用户—项目评分矩阵,解决用户—项目评分矩阵数据稀疏性问题;同时,通过用户兴趣模型计算目标用户的最近邻居用户,通过计算用户相似性,得到推荐集来提高协同过滤推荐算法的推荐准确度。
|
本文献已被 CNKI 等数据库收录! |
|