基于内容和兴趣漂移模型的电影推荐算法研究

• 作者: 吕学强 李雪伟 王腾 董志安
• 来源期刊: 计算机应用研究
• 关键词: 个性推荐 词向量模型 用户偏好 兴趣漂移 聚类 集合相似度
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 717-720,802
• 页数: 5页
• 分类号: TP391|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.03.016

摘要

针对基于内容的推荐算法中,内容相似度计算精度低、用户兴趣漂移等问题,提出一种结合影评内容相似度和长短期兴趣模型来计算电影相似度的推荐方法.算法利用TextRank、Word2Vec等技术和模型对影评进行关键词抽取和词向量构建,同时基于Word2Vec训练结果进行电影内容相似度计算,一定程度上解决了近义词、网络词等带来的准确率下降问题;然后基于长短期兴趣漂移模型,统计用户对不同内容属性的偏好权重,并随时间窗口动态计算电影相似度矩阵,缓解了用户兴趣随时间漂移而改的问题;最后根据不同推荐策略获得推荐结果.实验结果证明,该算法比对比方法正确率提高了5％左右,同时兴趣模型提取了用户长短期兴趣标签,在工业界及基于标签的算法等场景中都具有很高的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕学强	北京信息科技大学北京网络文化与数字传播研究重点实验室	146	1187	15.0	30.0
2	董志安	北京信息科技大学北京网络文化与数字传播研究重点实验室	5	66	3.0	5.0
3	王腾	北京信息科技大学北京网络文化与数字传播研究重点实验室	1	34	1.0	1.0
4	李雪伟		1	34	1.0	1.0