基于多维度权重动态更新的用户兴趣模型

摘要：

面向个性化电影推荐领域，提出一种基于多维度权重动态更新的用户兴趣模型。将电影分成演员、导演、类别、地区和时间5个维度，分别计算电影在这些维度上的相似度。采用归一化方法将电影之间的相似度转化为用户兴趣模型中的多维度权重，并应用TF-IDF算法计算各维度中特征词的权重，从而实现电影各维度权重及其特征词权重的动态更新。利用基于内容的推荐算法，在MovieLens数据集进行实验，结果表明，该模型具有较高的推荐准确率和召回率，并且能够发现用户对电影维度的偏好，解决用户兴趣漂移问题。

关键词：用户兴趣模型、个性化推荐、动态权重更新、多维度、维度相似度、兴趣漂移

分类号：TP183(自动化基础理论)

资助基金：国家“973”计划基金资助项目“云服务多媒体应用平台的基础架构研究与应用研究”2012CB724106;国家自然科学基金资助项目71240003;山东省自然科学基金资助项目ZR2012FM003;青岛市科技计划基础研究基金资助项目KJZD-13-29-JCH;青岛市开发区重点科技计划基金资助项目2013-1-25。

在线出版日期：2014-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：42-45