基于兴趣预测和热点分析的联合推荐算法研究

• 作者: 叶加加 赵逢禹
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 贝叶斯网络 兴趣预测 热点信息 联合推荐
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 算法与语言
• 页码范围: 25-28
• 页数: 4页
• 分类号: TP312
• 字数: 4718字
• 语种: 中文
• DOI: 10.11907/rjdk.161375

摘要

兴趣模型是一种根据用户的行为和偏好建立起来的数学模型,它反映用户在一段时期内对信息需求的主要倾向.通常的兴趣模型推荐主要基于用户兴趣,没有考虑到热点信息对用户的影响以及存在冷启动的问题.提出一种基于兴趣预测和热点分析的联合推荐算法,利用贝叶斯网络对用户兴趣进行预测,并利用基于速度增长的预测方法对当前的热点信息进行预测.该方法综合考虑了兴趣预测与热点预测,能够有效增强用户兴趣预测准确度.实验证明,该方法(BPUR)比传统的Bayesian方法准确率更高,能够有效避免新用户的冷启动问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵逢禹	上海理工大学光电信息与计算机工程学院	68	296	10.0	14.0
2	叶加加	上海理工大学光电信息与计算机工程学院	1	1	1.0	1.0