基于用户兴趣融合的协同过滤推荐算法
协同过滤推荐算法已成功应用在各类门户网站,越来越多的研究者参与其中,然而在协同过滤推荐过程中用户—项目评分矩阵数据稀疏性以及推荐的准确性低等问题,始终制约着该算法的发展.为此,从用户兴趣角度出发,单独构建情景用户兴趣模型及社交网络用户兴趣模型,再通过LogitBoost算法将2个兴趣模型融合得到准确的用户兴趣模型.Slope One算法填充用户—项目评分矩阵,解决用户—项目评分矩阵数据稀疏性问题;同时,通过用户兴趣模型计算目标用户的最近邻居用户,通过计算用户相似性,得到推荐集来提高协同过滤推荐算法的推荐准确度.
协同过滤、用户兴趣、数据稀疏性、推荐准确性
20
F000.0
2018-06-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
86-90