基于用户特征和评分的精准推荐策略研究

摘要：

个性化推荐系统是帮助用户发现内容,克服信息过载的重要工具.为了提高推荐算法的准确率和效率,综合协同过滤推荐算法和K-means聚类算法,设计了一种基于用户特征和评分的精准推荐策略.该策略一方面针对新用户冷启动问题,引入K-means聚类算法对全体用户特征进行聚类,将新用户所属类中其他用户喜好的物品中的Top N个推荐给新用户;另一方面根据物品数和用户数的大小关系,或者不同推荐算法所得Fl值的大小关系,来决定选择将哪种推荐算法产生的结果推荐给老用户.在Movielens和FilmTrust数据集上的实验结果表明,这种基于用户特征和评分的精准推荐策略能够有效地针对新用户和老用户做出准确的最佳推荐.

关键词：协同过滤推荐、用户冷启动、K-means聚类算法

所属期刊栏目：41

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金61572260,61872196

在线出版日期：2021-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：107-114