融合标签和属性信息的混合推荐算法 |
| |
引用本文: | 杨莉云,颜远海.融合标签和属性信息的混合推荐算法[J].吉林大学学报(信息科学版),2022(4):644-651. |
| |
作者姓名: | 杨莉云 颜远海 |
| |
作者单位: | 广州华商学院数据科学学院 |
| |
基金项目: | 广东省普通高校创新团队基金资助项目(2020WCXTD008); |
| |
摘 要: | 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。
|
关 键 词: | 个性化推荐 协同过滤 标签 属性 时间权重 |
|
|