面向少数类用户兴趣演化的推荐算法

作者：张维; 黄勃^*; 张娟; 高永彬; 刘瑾; 王忠震

来源：南京理工大学学报, 2021, 45(02): 214-222.

DOI：10.14177/j.cnki.32-1397n.2021.45.02.011

• 协同过滤
• K-means算法
• 用户兴趣
• 信息茧房
• 推荐算法
• 少数类用户
• 聚类算法

为了提高推荐算法在对少数类用户进行推荐时的时效性、准确性,提出一种面向少数类用户兴趣演化的推荐算法。该文算法将时间窗口、指数衰减函数和带有时间效应的用户项目交互信息3个因素相结合,描述出不同用户对不同项目类型的兴趣倾向值。通过改进的K-means算法对用户进行分类,并对聚类结果中近邻数量极少的类用户(少数类用户),使用平衡的方法来增加这类用户的近邻数量,避免少数类用户兴趣趋于窄化,以防信息茧房现象的发生。最后将聚类结果与推荐算法结合对少数类用户进行推荐。在MovieLens 100K数据集上的实验对比分析表明,该文算法的推荐精度最大提高了2.07%。

• 单位
  上海工程技术大学