科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有推荐方法证据组合方式单一，未能同时考虑准确性和多样性的问题，提出基于用户动态交互行为扩展的信念网络推荐模型。首先，构建一个具有三层节点的基本信念网络推荐模型，为证据的引入提供一个灵活有效的框架；其次，通过分析用户间的直接及耦合交互关系计算交互强度，引入动态调整的时间衰减因子对该强度进行修订；最后，以该强度对交互用户进行加权，并将其兴趣作为新证据对基本模型进行扩展，利用合取和析取两种证据组合方式得到扩展的信念网络推荐模型。实验结果表明，相较于基于内容的推荐模型和基于社交的推荐模型，在准确率、召回率和F1值上，合取组合方式下的扩展模型至少提升了7、4和5个百分点，析取组合方式下的扩展模型至少提升了2、8和6个百分点；在多样性和新颖性指标上，析取组合方式下的扩展模型至少提升了15和6个百分点，合取组合方式下的扩展模型也优于上述实验对比方法。
- 单位
