基于用户兴趣变化和评论的协同过滤算法研究

• 作者: 柯新生 董晨露
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 协同过滤 稀疏数据集 主题模型 用户兴趣变化 评论相似度
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 213-217,246
• 页数: 6页
• 分类号: TP301
• 字数: 6620字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.03.033

摘要

传统协同过滤算法中,随着用户和商品数量的日益增多,用户-项目评分矩阵越来越稀疏.针对这一问题,提出了一种基于用户兴趣变化和评论的协同过滤算法.该算法将用户评论和遗忘曲线引入传统协同过滤算法中,将评论文本作为商品特征描述文本,使用主题模型计算商品主题特征,引入艾宾浩斯遗忘曲线来协同计算用户的评论分布及评论相似度.将用户评论相似度和用户评分相似度相结合,以得到最终的用户相似度,进而对商品评分进行预测.对网络爬取的真实数据进行验证,结果显示该算法能够在稀疏数据集上获得较好的推荐结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柯新生	北京交通大学经济管理学院	17	50	4.0	6.0
2	董晨露	北京交通大学经济管理学院	1	10	1.0	1.0