基于标签重要程度的协同过滤推荐算法

摘要：

针对传统协同过滤推荐算法在用户隐式反馈数据挖掘不够充分、用户兴趣偏好模型过于粗糙,提出一种标签重要程度的协同过滤推荐算法.用户使用标签的种类和频率可以反映用户的偏好和偏好程度;在此基础上建立新的用户兴趣偏好模型,将标签对用户的影响程度进行量化,建立新的相似度计算方法.最后获得目标用户的近邻集合和预测评分,为目标用户实施有效推荐.实验结果表明该算法大幅度提高了推荐的精准度、缓解了冷启动问题.

关键词：协同过滤、推荐算法、隐式反馈、相似度

所属期刊栏目：18

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家级一般项目ZXLG20150036

在线出版日期：2018-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：172-178