基于用户行为自适应推荐模型研究

摘要：

[目的]针对用户类型多样性和推荐模型专一性的问题,提出基于用户行为自适应推荐模型.[方法]通过构建三层协同结构来规范推荐过程.第一层对用户分类,形成不同推荐通道;第二层根据通道匹配经过改进的推荐子算法;第三层引入特征加权形成推荐池,并在其中筛选项目推荐给用户;最终实现自适应推荐.[结果]与主流推荐模型进行对比,本文所提推荐模型的准确率、召回率、覆盖率、流行度分别是0.24、0.17、0.50、4.40,说明本文模型在各项指标上均有很好的表现.[局限]推荐算法以显性的评分为基础,无法直接预测无评分数据的数据集,需要构造偏好模型预测出隐式数据的评分,再进行预测,故在实际应用中会有一定的局限性.[结论]本文模型能够适应不同类型用户的偏好,并实现合理的推荐.

关键词：三层协同、自适应推荐、相似度混合、机器学习

所属期刊栏目：5

分类号：G353;TP391(情报学、情报工作)

资助基金：国家自然科学基金61702553

在线出版日期：2021-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：103-114