结合物品属性权重的混合推荐算法

摘要：

自推荐系统被提出以来,各类算法层出不穷,各有利弊.数据稀疏性和冷启动问题是大部分推荐算法存在的缺点,将各类推荐算法混合,扬长避短,能很好的解决这些问题,传统的混合算法是将几种方法进行简单的线性组合.本文将物品属性权重引入相似性计算,再将改进的余弦相似性与之结合,生成一种动态的计算物品相似度的算法,将基于物品的协同过滤和基于内容的推荐的算法进行结合.实验数据表明该算法提高了推荐准确性的同时,还有效缓解了数据稀疏性和冷启动问题.

关键词：协同过滤;物品属性;混合算法;相似性

所属期刊栏目：11

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划资助2019YFB1802700

在线出版日期：2021-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：161-164,169