一种由长尾分布约束的推荐方法

摘要：

由于在线商品销售的长尾效应,冷门商品的总销量非常巨大,因而对冷门商品的推荐十分重要,然而由于对冷门商品的评价数量少,导致现存的推荐算法对其推荐权重接近平均推荐权重,所以很难使用户关注冷门商品,影响了冷门商品的销售,因此合理地提高冷门商品的推荐权重十分重要.提出一种由长尾分布约束的推荐方法(long tail distribution constrained recommendation method,LTDCR),由用户行为的相似度确定用户间相似关系,并应用不信任关系约束用户相似关系的传播,通过长尾分布约束由用户间相似关系计算的推荐权重,并给出一种精确描述长尾分布的方法.在包含大量冷门商品的数据集的实验结果表明,LTDCR在训练集较小的情况下,有效地提高了对冷门商品的推荐效果.

关键词：长尾分布、冷门商品、推荐权重、相似关系、不信任关系约束

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61272186,61100007;黑龙江省博士后基金项目LBH-Z12068;哈尔滨工程大学自由探索基金项目HEUCF100608

在线出版日期：2013-10-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1814-1824