科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的基于协调过滤的推荐系统存在数据稀疏和冷启动的问题,解决这一问题的常用方法需要引入额外数据。传统TOP-K排序推荐算法未涉及项目之间的排序关系。为了缓解推荐系统中存在的数据稀疏和冷启动问题,并优化项目排序质量,构建了基于社交信息的用户综合信任度模型;然后基于文本信息,利用Conv-MF模型提取项目的隐藏属性特征。最后,以基于列表级的排序算法ListRank-MF为基础,融合用户综合信任模型和Conv-MF模型,得到一种融合了社交信息和文本信息的排序推荐算法RM-R3。经过实验验证,排序推荐算法RM-R3在排序推荐中提高了排序质量。
-
单位自动化学院; 上海大学
