一种利用协同过滤预测和模糊相似性改进的基于内容的推荐方法

摘要：

[目的]基于模糊相似性的协同过滤预测和多样性选择算法对基于内容的推荐方法进行改进,提高推荐质量.[应用背景]基于内容过滤的推荐系统(CB-RS)目前已经有比较成功的应用.但是,推荐的多样性、项目特征的表示、用户偏好的建模仍然是基于内容推荐的关键.[方法]对用户特征提出采用一种新的模糊化表示方法,并根据此特征表示进行用户的相似性计算,在此基础上整合协同过滤的多样性预测,对基于内容的推荐方法进行改进.[结果]通过实验,该推荐方法在平均绝对误差、覆盖率以及多样性三方面明显优于当前流行的三种解决方案.[结论]推荐方案在一定程度上能够提高推荐质量,同时增强推荐的多样性.

关键词：推荐系统、推荐多样性、模糊CF-CBF、模糊相似性度量

分类号：TP301.6(计算技术、计算机技术)

资助基金：教育部人文社会科学一般项目“电子商务环境下顾客购物偏好推荐及企业利润挖掘”项目13YJC630195的研究成果之一

在线出版日期：2014-04-01（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：41-47