10.19678/j.issn.1000-3428.0048497
融合多数据源的动态自适应推荐算法
现有推荐系统的研究多数基于单一数据源、单一推荐算法或简单加性融合,忽略了数据源及算法动态融合的重要性,导致推荐精确度不高.为解决该问题,提出一种新的动态自适应推荐算法.利用基础数据求出艺术家流行度和时间衰减因子,将其作为推荐数据源,降低由数据源单一导致的推荐误差.通过权重因子集成基于邻域方法和矩阵分解技术构建组合模型.将数据源应用于模型,运用固定步长的权重因子调整2种方法在模型中的占比,根据推荐结果的召回率实现动态自适应调整.在真实数据集上的实验结果表明,与简单加性融合、FSWA算法相比,该算法具有较高的推荐精确度.
音乐推荐、多数据源、推荐系统、自适应融合、动态调整
44
TP391(计算技术、计算机技术)
上海理工大学科技发展项目16KJFZ039
2018-12-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
64-69