基于用户隐式行为特征的最大熵推荐算法

摘要：

在电商领域的推荐中,由于用户购买频率较低且很少留下评价信息,使推荐系统面临用户数据稀疏、准确率低等问题.针对该问题,提出一种基于用户隐式行为的最大熵推荐算法.收集用户的历史操作信息,分别从用户、商品、用户-商品3个角度提取用户隐式行为特征;考虑到特征的有效性,利用Tree Ensemble Models对特征进行筛选和组合,构建行为模型挖掘用户潜在兴趣,完善用户缺失信息;针对特征之间的相关性问题,以最大熵原理构建特征函数,对用户进行商品推荐.在阿里移动推荐算法数据集上的仿真结果表明,所提算法可以有效解决数据稀疏性问题,提高推荐准确率.

关键词：电商、隐式行为、潜在兴趣、特征筛选、最大熵

所属期刊栏目：40

分类号：TP393(计算技术、计算机技术)

资助基金：重庆市科委基础与前沿研究计划基金项目cstc2014jcyjA40039;国家级大学生创新计划基金项目教育部教高司[2016] 45号

在线出版日期：2019-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：405-411