科研之友
微信
新浪微博
Facebook
分享链接
摘要
相比于单一整体评分，电商平台中使用的多准则评分包含了更为丰富的用户个性化偏好信息，因此，如何在推荐算法中有效利用多准则评分信息，成为多准则推荐系统提升推荐性能的一个重要问题.本文从挖掘用户准则偏好和商品准则特征出发，提出一种准则级的特征交叉推荐算法，算法基于多准则评分数据，结合信息熵理论和信任度计算，从多准则交互数据中挖掘用户偏好和商品特征，接着采用对连续特征离散化后进行嵌入的方式来增强算法的表达能力.同时，考虑到用户在使用多准则推荐系统辅助决策时，关注的是其自身在某一准则上的偏好与商品在该准则上的特征是否匹配，算法将对用户和商品进行准则上的匹配，并计算出相应的预测分作为向用户推荐项目的依据.实验结果表明，相对于8种对比算法，本文提出的基于准则级特征交叉融合的推荐算法在4个不同的测试指标上具有明显的优势.
- 单位
