视频网站中长尾物品的推荐方法

• 作者: 储姗姗 彭陶 王志谦
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 推荐系统 pagerank 长尾效应 相似度
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 网络与融合
• 页码范围: 47-50
• 页数: 4页
• 分类号: TN949.199
• 字数: 3294字
• 语种: 中文
• DOI: 10.16280/j.videoe.2017.h7.009

摘要

目前国内外的各大视频网站中均存在严重的长尾效应问题.为降低视频推荐系统中长尾效应的影响,本文提出了基于改进的协同过滤的长尾物品推荐算法PGSim-CF.PGSim-CF算法首先利用pagerank算法计算各物品的初始化权值,然后通过同类视频物品中热门物品的权值去优化冷门物品的权值,与此同时惩罚热门物品的权值,得到各视频物品的最终权值,最后将获得的权值代入协同过滤物品相似度的计算中.实验结果表明,同传统的协同过滤UserCF算法以及文献[1]中所提出的SimCF-ACT算法相比,PGSimCF算法的性能更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志谦	北京邮电大学网络技术研究院	21	51	4.0	5.0
2	储姗姗	北京邮电大学网络技术研究院	1	3	1.0	1.0
3	彭陶	北京邮电大学网络技术研究院	1	3	1.0	1.0