科研之友
微信
新浪微博
Facebook
分享链接
摘要
大多数推荐算法从用户行为中提取兴趣信息，然而由于用户兴趣变化快，用户行为自由，行为数据规则差，导致推荐结果不理想。基于上述问题，结合特征标签规则性强，信息准确度高等特点，提出一种基于融合影片特征标签的推荐算法，引入电影特征标签，根据特征标签权重改进相似度量方法。该算法通过用户行为中的电影标签，建立起用户-影片-特征标签矩阵模型，构建新的用户喜好特征模型，根据标签权重建立新的相似度量方法，在符合用户喜好特征上推荐匹配的电影。实验表明，在Movielens数据集上，融合影片标签算法的用户覆盖率达到86.52%、推荐结果准确率和召回率分别达到58.89%和35.59%，有效提升了算法性能。
-
单位武汉邮电科学研究院
