为进一步提高推荐系统的准确性,提出一种基于社区结构和个人兴趣的协同过滤推荐算法。根据互联网用户的特性,通过BIGCLAM社区发现算法发掘用户的社区结构,在此基础上通过用户购买历史数据获取用户的个人兴趣,将社区结构和个人兴趣融入矩阵分解模型中获得推荐结果。该算法有效缓解了推荐系统数据稀疏性的问题,考虑到了用户的个人兴趣。实验结果表明,该算法比标准的协同过滤算法、CircleCon算法和ContextMF算法具有更高的准确性。
科研之友
微信
新浪微博
Facebook
分享链接
