基于LDA和CTR的用户模型分析

摘要：

个性化服务一直是研究的热点，但是如何构建完整的用户模型是一个颇有挑战性的问题。将基于主体模型LDA对用户模型进行预测，在用户和推荐项目的特征向量上采用CTR进行约束，使结果更为准确。在只需要少量人为因素下，由机器来训练最初的主题模型，在训练模型的基础上，通过选取100名用户的微博作为测试，用等级打分制来对推荐的项目进行打分，最终的结果显示，在新闻推荐上，微观满意度达到82.5%；而在名人推荐上，微观满意度达到了84.3%，综合以上，推荐服务的满意度还是令人满意的。

关键词：隐形狄雷克雷分布(LDA)、主题模型、基于主题模型的协同过滤(CTR)、用户模型、推荐

所属期刊栏目：52

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金重点项目No.61133012；国家自然科学基金面上项目No.61173062。

在线出版日期：2016-04-27（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：50-54