基于标签和协同过滤的个性化推荐算法

• 作者: 刘健 张琨 陈旋
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 标签 协同过滤 兴趣模型 个性化推荐
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 62-65,71
• 页数: 5页
• 分类号: TP301
• 字数: 4114字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2016.02.014

摘要

现有的协同过滤推荐算法主要依据用户对资源的评分,但是通常用户的评分矩阵数据稀疏,少量的评分数据不能很好表示出用户和资源的特点. 然而,标签既能反映用户的兴趣又能描述资源的自身特征. 因此,本文通过引入标签,提出一种基于标签和协同过滤的个性化推荐算法. 该算法将标签视为用户和资源的中间纽带,通过拆分用户-标签-资源三维关系图后分别计算用户与标签、标签与资源的关联度,构建用户的兴趣模型. 再依据用户兴趣模型预测对于待推荐新资源的兴趣度,最终产生Top-N推荐集. 在公开数据集MovieLens上,与现有算法的比较结果表明,该算法在准确率、召回率上均有所提升,达到了更好的推荐效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张琨	南京理工大学计算机科学与工程学院	79	780	15.0	24.0
2	陈旋	南京理工大学计算机科学与工程学院	5	47	3.0	5.0
3	刘健	南京理工大学计算机科学与工程学院	32	260	10.0	15.0