基于用户分层的多目标推荐算法
经典的推荐系统着重于推荐的准确性,随着用户多样化需求的增加,推荐结果的多样性受到越来越多的关注.推荐的精度与多样性存在冲突,传统的推荐算法往往忽略系统中的用户活跃度差异.本文提出一种基于物品评价次数的用户分层多目标推荐算法,将用户分为评价次数高、中、低三种层次,对应三种不同的算法初始化方式,为不同用户提供更合适的推荐结果.对已有基于概率的多目标进化算法的初始化方式和参数进行对比分析,获得更优的算法交叉和变异方式.实验结果验证了改进后的多目标进化算法在推荐精度和多样性方面都有更优的结果.总结出的基于用户分层的推荐方案有助于提高对不同用户的推荐效果.
多目标进化算法、推荐算法、用户分层
40
TP242(自动化技术及设备)
广东省自然科学基金资助项目;广州市科技计划项目
2023-02-09(万方平台首次上网日期,不代表论文的发表时间)
共9页
10-18