基于GLSLIM模型的混合推荐算法研究

• 作者: 李卫军 李松林 杨海龙
• 来源期刊: 信息与电脑
• 学科: 工学
• 关键词: SLIM模型 GLSLIM模型 协同过滤 PLSA模型
• 年，卷（期）: 2017,（20）
• 所属期刊栏目: 算法语言
• 页码范围: 77-80
• 页数: 4页
• 分类号: TP391.3
• 字数: 3467字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2017.20.032

摘要

GLSLIM模型(Global and Local SLIM)是基于SLIM模型(Sparse Linear Methods)并优于SLIM模型的推荐算法.它将GLOBAL模型和LOCAL模型结合,GLOBAL模型用来捕获物品在所有用户之间的相似性,LOCAL模型用来获取物品在某个用户子集中的相似性,通过两种模型的结合可以进一步优化用户的个性化推荐.但该算法存在天然缺陷,就是被用户评价或购买过的物品之间的相似度才可以被学习到,没有被购买过的物品之间的相似度为0.这将导致用户购买过的相似物品才有机会被推荐,相似度为0的物品无法推荐给用户.为了改善这种情况,利用一种PLSA模型解决这个问题,基于两种模型的组合进行协同过滤推荐.实验结果表明,虽然推荐结果的准确性略微降低,但是能挖掘用户的潜在兴趣.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李卫军		9	30	4.0	5.0
2	杨海龙		1	3	1.0	1.0
3	李松林		1	3	1.0	1.0