融合社区结构和个人兴趣的协同过滤推荐算法

摘要：

为进一步提高推荐系统的准确性,提出一种基于社区结构和个人兴趣的协同过滤推荐算法.根据互联网用户的特性,通过BIGCLAM社区发现算法发掘用户的社区结构,在此基础上通过用户购买历史数据获取用户的个人兴趣,将社区结构和个人兴趣融入矩阵分解模型中获得推荐结果.该算法有效缓解了推荐系统数据稀疏性的问题,考虑到了用户的个人兴趣.实验结果表明,该算法比标准的协同过滤算法、CircleCon算法和ContextMF算法具有更高的准确性.

关键词：推荐系统、协同过滤、矩阵分解、社区结构、个人兴趣

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：赛尔网络下一代互联网技术创新基金项目NGII20160703

在线出版日期：2019-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3420-3424