基于HMM模型的协同过滤推荐方法
考虑到用户浏览路径、时间、浏览次数都是影响推荐准确度的重要因素,提出一种基于隐马尔可夫模型(HMM)的动态协同过滤推荐方法.该方法首先用HMM模型模拟用户浏览网页时的行为,根据用户浏览网页时的行为建立最近邻集合.由于数据不是简单的用户评分,而是用户浏览网页的路径,这样就解决了数据稀疏问题和最初评价问题.并且使用HMM代替简单的相似模型来度量用户相似性,提高了最近邻推荐的准确性,解决了实时性推荐和数据空间的可扩展的问题.然后,提出了喜好度的概念并给出了计算方法,喜好度概念的加入能为目标用户推荐更适合的商品.最后,结合喜好度给出了基于HMM的协同过滤预测模型.通过对一个实例的研究验证了所提出的算法以及推荐模型的可行性.
隐马尔可夫模型、协同过滤推荐、前(后)向评估算法、浏览路径、喜好度
28
TP391(计算技术、计算机技术)
陕西自然科学基金项目2007E217;陕西省教育厅专项基金项目07JK076;校基础研究基金项目JC0719
2008-07-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
1601-1604