基于用户购买意愿力的协同过滤推荐算法

摘要：

针对网购行为中商品浏览量排名靠前而销量滞后的问题,在用户购买意愿力的基础上,提出一种增强评分矩阵协同过滤推荐算法.首先,利用惩罚因子作为增强型矩阵的评价权重,加权表征用户购物意愿力的商品画像,取得增强型矩阵的预测评分;其次,融合以基于项目的协同过滤推荐,建立由潜在兴趣商品间的项目相似度矩阵得到的基础型评分矩阵;最后,以TOP-N结果向购买意愿较强的目标用户推荐排名靠前的商品.实验结果表明:与传统基于项目的协同过滤推荐算法相比,增强评分矩阵协同过滤推荐算法的推荐准确率提升2.48％,召回率提升4.31％,综合值F1提升3.19％,从而有效解决了用户感兴趣商品排名靠后,且不被购买或购买次数较少的问题,以达到购买意愿力较强、目标用户更准的推荐宗旨,进而提高推荐精度.

关键词：相似度;惩罚因子;推荐精度;协同过滤;推荐算法

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金批准号;61631008;61971206

在线出版日期：2021-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1432-1438