基于改进用户兴趣点度量方式的推荐算法研究

摘要：

推荐算法是个性化推荐系统中最为核心的一部分.文本通过给出产品流行性定义,提出了一种改进的用户兴趣点度量方法,进而将用户的兴趣点嵌入到基于物质扩散原理的推荐算法中.新算法引入参数β度量产品的推荐权重与用户兴趣点之间的关系.MovieLens数据集上的数值结果表明新的用户兴趣点定义方法可以同时改进推荐算法的准确度和推荐列表多样性,当采用60%的数据作为训练集时,多样性可以提高13.15%.进一步的结果表明当训练集很稀疏的时候,应当赋予与用户兴趣点不同的产品更高的推荐能力,随着稀疏度增加,赋予与用户兴趣点相近的产品更多推荐能力可以大幅度提高算法的表现.

关键词：推荐算法、用户兴趣点、物质扩散、二部分网络

所属期刊栏目：30

分类号：TP3;TN9

资助基金：国家自然科学基金资助项目10905052,70901010,71071098,91024026;上海市科研创新基金11ZZ135,11YZ110;上海市智能信息处理重点实验室开放基金IIPL-2010-006;上海市大学生创新项目SH091025227;上海市系统分析与集成重点学科S30501

在线出版日期：2011-12-19（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：1058-1062