一种融合协同过滤和内容过滤的混合推荐方法

摘要：

[目的]探索协同过滤与内容过滤新的融合方法,提高个性化推荐方法的推荐准确度.[方法]提出项目热度计算方法并对Pearson相关系数算法进行改进,建立当前用户与其邻居的兴趣模型,对邻居用户进行过滤,由最终得到的可信邻居对当前用户进行推荐.[结果]在MovieLens 1M电影评分数据集上的实验结果表明,提出的混合推荐方法推荐效度要好于现存的两种混合方法.[局限]在为用户建立兴趣模型时,项目的不同标志性特征需要人为抽取,且对于项目的标志性特征个数及其在用户的兴趣中所占的权重分配问题,不同的研究者可能会有不同的见解.[结论]本文提出的混合推荐方法可有效提高个性化推荐的准确度.

关键词：个性化推荐、协同过滤、内容过滤、可信邻居、项目热度、兴趣模型

分类号：TP391(计算技术、计算机技术)

在线出版日期：2015-06-29（万方平台首次上网日期，不代表论文的发表时间）

页码：20-26