-
题名基于标签挖掘的个性化推荐算法
被引量：6
- 1
-
-
作者
时光洋
于万钧
陈颖
-
机构
上海应用技术大学计算科学与信息工程学院
-
出处
《计算机工程与设计》
北大核心
2024年第3期932-939,共8页
-
基金
国家自然科学基金项目(61976140)。
-
文摘
基于标签的推荐算法中存在两个主要缺陷,缺乏用户对于标签偏好值的量化,以及不同标签在用户使用中所占权重。为此提出一种从标签角度出发的个性化推荐算法。分析用户历史行为中使用过的标签,根据用户历史行为建立用户的标签兴趣模型,利用标签兴趣模型计算用户对不同标签的偏好值;统计用户的历史评分记录,计算不同标签所占权重;将两者进行线性组合,得出用户对标签的兴趣度。利用余弦相似度,计算用户偏好相似度,将用户偏好相似度引入到矩阵分解模型中,进行项目评分预测和推荐。实验结果表明,在MovieLens数据集上,该算法相比于传统算法LFM和SVD++在RMSE上分别降低了5.00%和1.41%,在MAE上分别降低了5.07%和1.00%。
-
关键词
推荐系统
标签
偏好相似度
矩阵分解
用户个性化推荐
协同过滤推荐算法
兴趣相似度
-
Keywords
recommender system
label
preference similarity
matrix factorization
user personalized recommendation
collaborative filtering recommendation algorithm
interest similarity
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名融合标签和长短期兴趣的矩阵分解推荐算法
被引量：4
- 2
-
-
作者
姬璐
于万钧
陈颖
-
机构
上海应用技术大学计算机科学与信息工程学院
-
出处
《计算机工程与设计》
北大核心
2023年第3期777-783,共7页
-
基金
国家自然科学基金项目(61976140)。
-
文摘
为提高用户兴趣挖掘的准确性,实现更加精准的用户个性化推荐,提出一种融合标签和长短期兴趣的矩阵分解推荐算法。利用用户使用各标签的次数和生命周期挖掘用户的长短期兴趣,计算用户标签偏好值;利用用户标签偏好值比较用户间的兴趣,获得更加精准的用户间兴趣相似度;将用户间兴趣相似度引入矩阵分解模型,预测项目评分并进行推荐。实验结果表明,该算法挖掘出的用户兴趣比其它推荐算法准确。
-
关键词
用户个性化推荐
协同过滤推荐算法
矩阵分解
标签信息
长短期兴趣
用户标签偏好值
兴趣相似度
-
Keywords
user personalized recommendation
collaborative filtering recommendation algorithm
matrix decomposition
tag information
short-term and long-term preference
user-tag preference value
interest similarity
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
