基于用户兴趣变化和评论的协同过滤算法研究

摘要：

传统协同过滤算法中,随着用户和商品数量的日益增多,用户-项目评分矩阵越来越稀疏.针对这一问题,提出了一种基于用户兴趣变化和评论的协同过滤算法.该算法将用户评论和遗忘曲线引入传统协同过滤算法中,将评论文本作为商品特征描述文本,使用主题模型计算商品主题特征,引入艾宾浩斯遗忘曲线来协同计算用户的评论分布及评论相似度.将用户评论相似度和用户评分相似度相结合,以得到最终的用户相似度,进而对商品评分进行预测.对网络爬取的真实数据进行验证,结果显示该算法能够在稀疏数据集上获得较好的推荐结果.

关键词：协同过滤、稀疏数据集、主题模型、用户兴趣变化、评论相似度

所属期刊栏目：45

分类号：TP301(计算技术、计算机技术)

在线出版日期：2018-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：213-217,246