基于改进用户画像的协同过滤推荐算法

摘要：

由于科技的发展,协同过滤算法也在不断优化.上述算法在个性化推荐系统的设计中较为常用,其当前存在最大的问题就是数据稀疏.结合基本特征得到的用户画像,能够有效避免数据稀疏的问题.针对传统协同过滤算法的稀疏性问题,提出了一种基于用户画像的协同过滤推荐算法(CPCF),可以保证其在用户规模扩大的同时保持推荐的高效性和准确性.CPCF算法创新在于将用户评分矩阵转化为用户特征矩阵,提出一种改进的用户画像,并采用用户画像与传统相似度方法相结合生成CPsim相似度,最后使用改进的权重聚合方法进行评分估计,通过逆序排序实现推荐过程.在两个数据集上的实验结果显示,相比UBCF等算法(MAE)降低了13％,精确率、召回率和F1-Score分别提高了11％、3％和4％,可见结合协同过滤算法与用户画像进行推荐系统的设计,可有效提升系统精准度.

关键词：协同过滤、用户画像、相似度、个性化推荐

所属期刊栏目：39

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金;教育部人文社会科学研究项目;常熟理工学院科研启动基金项目

在线出版日期：2023-02-15（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：533-541