联合用户兴趣矩阵及全局偏好的推荐算法

摘要：

如何从大量无序的信息中向用户准确推荐其最感兴趣的信息,是推荐系统研究领域的重要课题.为此提出一种融合用户兴趣矩阵及全局偏好的推荐算法,用于个性化服务推荐.首先,引入兴趣标签机制形成用户兴趣链,对用户服务评分集合中未评价服务进行填充,对已评价服务进行互补,从而形成用户兴趣矩阵;其次,采用兴趣矩阵的欧几里德距离进行局部相似度计算;最后,联合用户认知差异和全局行为差异形成全局偏好相似度.算法在有效融入了用户的个性化偏好信息的同时,减少了数据集稀疏性,提高了推荐的准确性.在真实的MovieLens lM数据集上进行的大量实验表明,与当前具有代表性的推荐算法相比,算法显著提高了推荐精度.

关键词：协同过滤、兴趣链、兴趣矩阵、全局偏好、相似度

所属期刊栏目：12

分类号：TP311(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.61175046;the National Key Technology R&D Program of China under Grant No.2015BAK24B01;the Key Project of Nature Science Research for Universities of Anhui Province under Grant No.KJ2016A03

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

页数：共11页

页码：197-207