基于物品的改进协同过滤算法及应用
针对电视产品信息资源量过载导致用户选择困难的问题,本文主要研究了基于物品的协同过滤算法在电视产品推荐系统中的改进及应用,将个性化推荐技术和电视产品系统有机结合来满足用户和运营商的需求.在推荐过程中,首先收集用户的偏好建立数据模型,以用户观看电视产品的时长作为用户偏好的显式特征,然后在传统的协同过滤算法中引入点播金额权重进行改进,并采用欧几里德距离法计算物品相似度,最后根据邻居集合预测目标用户对电视产品的观看时长,得到推荐结果.实验表明,通过引入点播金额权重这一改进能够提高推荐的准确性.
电视产品推荐系统、推荐算法、协同过滤算法、点播金额权重
28
国家自然科学基金青年科学基金61503143;广州市科技计划项目珠江科技新星科技创新人才专项201710010038;广东省自然科学基金博士科研启动项目2014A030310244
2019-03-12（万方平台首次上网日期，不代表论文的发表时间）
共6页
182-187
