基于资源分配的推荐算法研究

摘要：

针对马太效应中过度流行性偏见问题,通过定义新的节点权重来初始化项目资源值,达到降低项目流行性的目的;进一步考虑用户可信度因素,结合统计学中的3σ原则,根据数据统计量筛选出系统中存在的异常用户或欺诈用户.在此基础上给出一个新的推荐算法(UTMT).在数据集MovieLens_100K上对算法进行试验,并与资源分配中的热传导算法作比较,结果表明,构建的UTMT推荐算法预测结果的准确率较之热传导算法有较大的提升.

关键词：二分图;马太效应;用户可信度;资源分配;推荐算法

所属期刊栏目：5

分类号：TP391.3(计算技术、计算机技术)

在线出版日期：2021-09-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：127-129