吉林大学学报(信息科学版) ›› 2022, Vol. 40 ›› Issue (4): 644-651.
杨莉云, 颜远海
YANG Liyun, YAN Yuanhai
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。
中图分类号: