科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的推荐模型存在两大问题：一是用户的偏好发生变化，而推荐模型没有随之发生改变；二是对异常数据的处理能力有限，导致推荐结果的单一性使得多样性推荐不足.用户行为数据是近年来推荐研究领域热点，利用用户行为数据能够挖掘用户更深层次的信息.对从评论文本和用户源信息提取用户偏好，提出UICTM模型.在此基础上运用LDA技术得到UIFT算法，融合时间因素优化UIFT算法，对CF、TMF、UIFT、UIFT+进行实验数据分析比较.结果表明：UIFT+算法在均方差MSE和推荐度ACC上整体优于其他推荐算法.
- 单位
