本文提出了一种融入个体人格特质的个性化图书推荐算法RecUBSPre,该算法基于个体背景因素漂移准确定位目标数据集;并针对图书评分数据的稀疏性,引入用户图书类型偏好矩阵,得出用户图书偏好类型;最后利用"大五"人格模型,对人格特质兼容度进行定义,消除了最近邻用户集合中由于用户盲从心理导致的评分有失偏颇现象,从而优化图书推荐集的排序,提高用户满意度。实验结果表明,该算法能提高图书推荐的准确度。
科研之友
微信
新浪微博
Facebook
分享链接
