基于复杂属性商品的混合协同过滤推荐模型

摘要：

协同过滤作为应用最广、研究最多的推荐算法,但依旧面临数据稀疏性、冷启动、数据质量差等固有问题,同时也鲜有研究者从实用角度基于商品性价比方面提高预测精确度.为此,本文综合考虑用户主观评分和商品客观评分,并在此基础上结合情境预过滤、社会网络理论以及专家意见提出了一种混合协同过滤推荐模型,在一定程度上缓解了上述缺点.并通过真实网上汽车销售数据实验,表明该模型相对传统协同过滤具有更高的预测精度,更适用于具有复杂属性的商品.

关键词：协同过滤、情境、复杂属性、个性化推荐

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金41671402

在线出版日期：2017-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：154-161,185