融合用户属性与项目流行度的用户冷启动推荐模型
冷启动一直是推荐系统领域中被密切关注的问题,针对新注册用户冷启动的问题,文中提出了一种融合用户人口统计学信息与项目流行的推荐模型.首先对训练集用户进行聚类,将训练集用户划分为若干类.然后计算新用户与所属类别中其他用户之间的距离,选择其近邻用户集,在评分计算时综合考虑项目流行度对推荐效果的影响,进而为目标用户推送感兴趣的节目.最后在经典推荐系统数据集中对所提模型进行验证.实验结果表明,该模型明显优于传统协同过滤算法,并在一定程度上解决了冷启动问题.
推荐系统、用户冷启动、社会统计学信息、协同过滤、项目流行度
48
TP391(计算技术、计算机技术)
陕西省重点研发计划项目2019ZDLGY10-01
2021-03-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
114-120