协同显式和隐式主题回归的论文推荐算法

针对传统论文推荐模型存在冷启动和推荐解释困难的问题,在协同主题回归的基础上,建立了一种协同显式和隐式主题回归的论文推荐模型。模型中显式主题能够表示用户对论文内容中包含显式内容的偏好程度,隐式主题能够覆盖论文内容中没有显式包含的内容,该算法能够对推荐结果给出一定的解释。在CiteULike数据集上的实验结果表明:在不同推荐列表长度下,协同显式和隐式主题回归模型的推荐精度和召回率优于协同过滤和主题回归模型。