融合标签与内容感知的用户群信息推荐仿真

摘要：

信息推荐有利于提高用户获取所需数据的效率,但是在网络信息与用户激增的过程中,会使数据呈现一定的稀疏性,而且用户兴趣也容易产生变化.为了增强推荐系统的性能,提出了融合标签与内容感知的用户群信息推荐算法.依据内容语料库将词去重组成异构图,利用邻域属性对其进行编码,完成词向二维向量的映射,再采用卷积神经网络对内容信息进行特征识别,实现内容感知并得到相应标签.考虑标签偏好对用户兴趣的反映,建立偏好模型.其间先是分析了评价和影响程度与偏好的关系,随后为了搜索更多的信息推荐依据,引入了时间和相似度影响来更新偏好模型,根据偏好模型与标签的比较得出推荐结果.通过仿真,确定了偏好模型的参数取值与最佳推荐数量,并基于此得到推荐算法的Precision值为0.354,Recall值为0.592,F-Measure值为0.443,结果显示各项指标均高于对比方法,表明了算法在用户群信息推荐方面的有效性和优越性.

关键词：内容感知;标签偏好模型;卷积神经网络;相似度;信息推荐

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：482-485,493