摘要:针对经典的热传导推荐算法准确度低以及物质扩散推荐算法多样性低的问题,提出一种基于热传导和物质扩散的混合推荐算法。考虑用户活跃度对推荐算法的影响,通过引入可调参数θ调节用户活跃度对推荐效果的影响,实现资源的重新分配,进而获得更好的推荐结果。实验结果表明,当θ取得最优值时,相比改进前的热传导和物质扩散混合算法,该算法在Netflix数据集上,精确率和多样性分别提高了约5.81%和4.15%。在MovieLens数据集上,精确率和多样性分别提高了约5.08%和3.60%。
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。