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。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社。
计算机工程杂志, 月刊,本刊重视学术导向,坚持科学性、学术性、先进性、创新性,刊载内容涉及的栏目:特邀论文、专栏、专题、先进计算与数据处理、体系结构与软件技术、移动互联与通信技术、安全技术、人工智能及识别技术、图形图像处理、多媒体技术及应用、开发研究与工程应用等等。于1975年经新闻总署批准的正规刊物。