基于用户多类型兴趣波动趋势预测分析的个性化推荐方法

摘要：

[目的]构建一种基于用户多类型兴趣波动特征预测的推荐方法以提升推荐效果.[方法]针对每种类型用户评分数据加入时间衰减因子并使用神经网络对数据波动线性拟合,选择最优参数结果并对比评估方法有效性.[结果]通过5组不同的用户数据进行仿真实验,结果表明,本文方法预测结果的MAE和RMSE分别较对比方法最高降低幅度达到47.63％和44.61％.[局限]由于时间波动的分析依赖用户历史数据,当历史数据量过于稀疏时需采用额外冷启动算法对数据进行预处理.[结论]该方法结合用户对不同商品类型兴趣漂移特征的波动分析和预测,使推荐结果更准确.

关键词：时间序列、兴趣类型、波动分析、个性化推荐

所属期刊栏目：3

分类号：TP391(计算技术、计算机技术)

资助基金：本文系江苏省研究生科研与实践创新计划项目“大数据场景下用户兴趣模式演变趋势分析”;国家社会科学基金项目“基于大数据分析的数字图书馆个性化服务模式创新研究”

在线出版日期：2020-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：43-51