基于用户购买意愿力的协同过滤推荐算法

作者：刘军; 杨军; 宋姗姗^*

来源：吉林大学学报(理学版), 2021, 59(06): 1432-1438.

DOI：10.13413/j.cnki.jdxblxb.2020288

• 相似度
• 惩罚因子
• 推荐精度
• 协同过滤
• 推荐算法

针对网购行为中商品浏览量排名靠前而销量滞后的问题,在用户购买意愿力的基础上,提出一种增强评分矩阵协同过滤推荐算法.首先,利用惩罚因子作为增强型矩阵的评价权重,加权表征用户购物意愿力的商品画像,取得增强型矩阵的预测评分;其次,融合以基于项目的协同过滤推荐,建立由潜在兴趣商品间的项目相似度矩阵得到的基础型评分矩阵;最后,以TOP-N结果向购买意愿较强的目标用户推荐排名靠前的商品.实验结果表明:与传统基于项目的协同过滤推荐算法相比,增强评分矩阵协同过滤推荐算法的推荐准确率提升2.48%,召回率提升4.31%,综合值F1提升3.19%,从而有效解决了用户感兴趣商品排名靠后,且不被购买或购买次数较少的问题,以达到购买意愿力较强、目标用户更准的推荐宗旨,进而提高推荐精度.

• 单位
  吉林大学