科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】提出一种考虑长短期兴趣及其演化的电影个性化动态推荐方法，捕捉用户兴趣动态变化以提高推荐准确度。【方法】首先，基于观影心理动机将用户兴趣分为长期兴趣和短期兴趣，利用兴趣评分与关注频率计算长短期兴趣值；其次，利用时间窗口与遗忘曲线函数获取时间权重，结合短期兴趣值与时间权重拟合短期兴趣的演化规律；最后，将电影评分与长短期兴趣值相融合，构建用户-项目评分矩阵，预测目标用户评分。【结果】以豆瓣网数据集为例，所提方法的评分预测误差与其他推荐方法相比整体偏小，在评估指标MAE(1.003 1)和RMSE(1.216 0)上表现最优，达到MAE和RMSE最优值时所需邻居数（20）最少。【局限】由于要结合显式反馈信息与隐式反馈信息共同计算长短期兴趣值，因此所提方法的计算复杂度较高。【结论】所提方法能够准确捕捉用户兴趣的动态变化，有效降低评分预测误差，提高推荐准确度。
- 单位
