基于协同过滤和隐语义模型的混合推荐算法

• 作者: 徐吉 李小波 许浩 陈华辉
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 协同过滤 用户兴趣迁移 相似度传递 隐语义模型 混合推荐算法
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 52-57
• 页数: 6页
• 分类号: TP391
• 字数: 5309字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.02.011

摘要

协同过滤算法一般根据用户的评价信息来推测用户的喜好,但受到数据稀疏问题的影响,很多时候无法得到较为理想的推荐结果;除此之外,一般协同推荐算法忽略了用户兴趣的动态变化;文中提出的算法主要融合了相似度传递、用户兴趣迁移、隐语义模型等用以解决上述问题.首先提出了基于项目相似度的协同推荐算法.该算法深入研究了改进的余弦相似度方法,在执行过程中首先需要对项目进行信任关系建模,基于此来传递相似度,然后将这两部分相似度关系进行加权得到新的项目相似关系,可以将其应用到项目的评分中.其次,提出了基于用户兴趣迁移的隐语义模型推荐算法.该算法引入时间函数,重构用户的兴趣模型,实现对传统模型的修正,然后再使用梯度下降法来求解.最后,采用线性融合的办法,将以上两种算法进行融合.实验对比结果表明,混合推荐算法的推荐准确率较原先的算法有了较大的提高,因为它可以对丢失的信息进行补充,对于用户兴趣的变化能够较好的适应,同时大大弱化了数据的稀疏导致的一系列负面影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈华辉	宁波大学信息科学与工程学院	63	319	9.0	15.0
2	李小波	丽水学院工学院	15	28	3.0	4.0
3	许浩	丽水学院工学院	5	3	1.0	1.0
4	徐吉	宁波大学信息科学与工程学院	4	3	1.0	1.0