基于用户兴趣模型的推荐算法

摘要：

传统的协同过滤算法虽然可以很容易地挖掘出用户的兴趣爱好, 但存在数据冷启动和稀疏性问题. 针对这些问题, 提出一种基于用户兴趣模型的推荐算法. 首先通过LDA主题模型训练数据集得到物品-主题概率分布矩阵, 利用物品-主题概率分布矩阵得到用户历史兴趣模型, 然后结合用户历史行为信息和物品内容信息得到用户兴趣模型, 最后计算用户与候选集之间的相似度, 进行TOP-N推荐. 在豆瓣电影数据集上的实验结果表明, 改进后的推荐算法能够更好地处理稀疏数据和冷启动问题, 并且明显提高了推荐质量.

关键词：协同过滤、用户兴趣模型、LDA主题模型、推荐算法

所属期刊栏目：27

在线出版日期：2018-09-28（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：182-187