10.19678/j.issn.1000-3428.0050304
基于归因理论用户偏好提取的协同过滤算法
协同过滤算法的用户评分与用户偏好之间可能存在偏差,导致推荐准确度降低.为此,提出一种基于归因理论的用户偏好提取算法.基于用户行为的一致性、区别性和正负偏好信息提取用户偏好.融合偏好相似性与评分相似性以获得更优的最近邻集合,计算用户对未评分项目的预测评分值.在通用数据集Movies Lens-1M上进行实验,结果表明,在10％偏好相似性与60％评分相似性的融合条件下,该算法的推荐准确度取得最优值,且优于传统协同过滤算法以及HU-FCF、BM/CPT-V等改进算法.
协同过滤、用户偏好、归因理论、行为信息、个性化推荐系统
45
TP301.6(计算技术、计算机技术)
四川省教育厅自然科学重点项目18ZA0217;重庆市2017年度中小学创新人才工程项目CY120217
2019-07-12（万方平台首次上网日期，不代表论文的发表时间）
共6页
225-229,236
