融合标签和属性信息的混合推荐算法

针对传统协同过滤算法用户相似度计算准确度低的问题，在推荐系统中引入项目属性信息和项目标签信息，提出融合标签和属性信息的混合推荐算法。首先将用户对项目的评分转化为用户对项目属性值及标签的评分，构建用户-属性值偏好矩阵和用户-标签偏好矩阵，将其作为用户描述文件；然后分别根据用户-属性值偏好矩阵和用户-标签偏好矩阵计算用户之间的相似性，并将结果加权平均，得到每个用户的最近邻居列表；最后根据邻居对项目的评分产生推荐结果。由于项目属性值的数量和主要标签数量远低于项目数量，该算法能有效解决协同过滤算法的数据稀疏性问题，同时也能更直观地描述用户的偏好。而且在构建用户描述文件时，考虑到用户偏好随时间变化的规律，对用户不同时间点的评分赋予不同的权重，权重随着时间推移逐渐增大。实验结果表明，该算法能更准确地预测用户对未评分项的评分，提高推荐的准确度和召回率。