一种新的融合情景的美食推荐算法

摘要：

针对传统协同过滤推荐算法不适用于情景因素，严重影响用户行为的这类场景，提出一种融合情景的推荐算法，并将该算法应用于美食推荐。首先，运用由情景属性构造向量表示情景，将情景信息作为一个重要因素添加到兴趣模型中，从而产生U-I-C兴趣模型。根据用户在不同情景下使用方式的不同，重新创建当前用户与各情景相对应的子用户，得到以情景作为标识的用户-项目评分矩阵。针对融合情景的兴趣模型易产生数据稀疏问题，设计利用改进的W-SlopeOne算法对未知评分进行填充；并通过对相似度公式进行优化，进而更加准确地找到当前用户的近邻，为用户提供更加有效的推荐服务。最后，通过实验验证该算法的有效性。

关键词：兴趣模型、推荐算法、协同过滤、情景信息、相似度公式

分类号：TP311(计算技术、计算机技术)

在线出版日期：2015-08-06（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：20-24,30