科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对隐语义模型推荐算法中的数据稀疏和冷启动问题,提出一种融入用户属性信息的推荐算法。将二值化用户属性加入隐语义模型,利用分类模型衡量其他用户属性的重要程度,根据目标用户具有的属性找出与之相似的用户,并结合目标用户的评分信息得到最终推荐结果。在Movielens数据集上进行测试,结果表明,与协同过滤算法和隐语义算法相比,该算法可有效提高推荐准确率,即使在评分数据极度稀疏的情况下也能取得较好的推荐结果。
- 单位
针对隐语义模型推荐算法中的数据稀疏和冷启动问题,提出一种融入用户属性信息的推荐算法。将二值化用户属性加入隐语义模型,利用分类模型衡量其他用户属性的重要程度,根据目标用户具有的属性找出与之相似的用户,并结合目标用户的评分信息得到最终推荐结果。在Movielens数据集上进行测试,结果表明,与协同过滤算法和隐语义算法相比,该算法可有效提高推荐准确率,即使在评分数据极度稀疏的情况下也能取得较好的推荐结果。
