基于SVD++与标签的跨域推荐模型

摘要：

在现有多数跨域推荐模型中,用户不能给指定项目添加标签,并且建立模型时未考虑用户的历史标签,导致推荐误差变大.针对上述问题,构建基于SVD++模型并融合标签推荐的跨域推荐模型TagSVD++.该模型继承SVD++模型利用评分数据预测的特点,加入用户和项目标签信息,通过标签使用次数反映用户喜好和项目特征,并且引入热门惩罚系数避免热门标签和项目对推荐预测的干扰.在真实电影和图书网站相关数据模拟的跨领域数据集上进行实验,结果表明,TagSVD++模型能有效提高跨域推荐的准确性.

关键词：跨域推荐、热门惩罚系数、标签推荐、SVD++模型、推荐模型

所属期刊栏目：44

分类号：TP312(计算技术、计算机技术)

在线出版日期：2018-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：225-230