10.3969/j.issn.1002-1167.2021.03.013
时间上下文优化的协同过滤图书推荐
针对高校图书馆场景存在的无显式反馈、借阅数据稀疏和传统推荐算法效果不好问题,提出基于时间上下文优化协同过滤的推荐算法,包含读者阅读行为评分、时间上下文和内容兴趣变迁3个要素.在数据准备阶段,通过制定评分转化规则、设计标准化函数来构建一种基于用户行为操作的兴趣评分模型,以解决用户评分缺失问题;在推荐召回阶段,提出一种非线性的时间衰减模型来对评价矩阵进行优化,以提高推荐效果;在推荐排序阶段,提出一种兴趣捕捉模型对召回结果按照图书类别进行精排序,以缓解数据稀疏问题并进一步提高推荐效果.实验结果表明,文章提出的优化算法在Top5的F值较未经优化的协同过滤提升增幅达141%.
协同过滤、图书推荐、评价矩阵、算法优化
41
本文系2018年广东省普通高校特色创新科研项目"基于高水平学科建设用户画像的学术知识精准服务研究"项目编号:2018WTSCX126
2021-04-12(万方平台首次上网日期,不代表论文的发表时间)
共9页
113-121