融合邻域模型与隐语义模型的推荐算法

摘要：

作为目前构建推荐系统最成功的方法之一，协同过滤算法（CF）是利用已知的一组用户喜好数据来预测用户对其他物品的喜好从而做出个性化推荐的。两种比较成功的协同过滤算法能够直接刻画用户和物品因子的隐语义模型，以及分析物品或者用户之间相似度的邻域模型。提出了一种针对这两种模型的改进方法，使得隐语义模型和邻域模型能够有效结合，从而构建出一个更精确的融合模型。在融合用户的显性反馈与隐性反馈信息对模型进行扩展后，又使得精确度进一步提升。在Netflix数据集上进行测试，实验结果表明，该融合算法在Netflix数据集上的性能优于其他算法。

关键词：推荐系统、协同过滤、隐语义模型、均方根误差

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技支撑计划项目No.2012BAF12B20；国家自然科学基金No.60901080。

在线出版日期：2013-10-17（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：100-103,134