融合标签和长短期兴趣的矩阵分解推荐算法

摘要：

为提高用户兴趣挖掘的准确性,实现更加精准的用户个性化推荐,提出一种融合标签和长短期兴趣的矩阵分解推荐算法.利用用户使用各标签的次数和生命周期挖掘用户的长短期兴趣,计算用户标签偏好值;利用用户标签偏好值比较用户间的兴趣,获得更加精准的用户间兴趣相似度;将用户间兴趣相似度引入矩阵分解模型,预测项目评分并进行推荐.实验结果表明,该算法挖掘出的用户兴趣比其它推荐算法准确.

关键词：用户个性化推荐、协同过滤推荐算法、矩阵分解、标签信息、长短期兴趣、用户标签偏好值、兴趣相似度

所属期刊栏目：44

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金61976140

在线出版日期：2023-05-08（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：777-783