一种基于相似度的混合推荐方法
2015-06-05胡三宁
三门峡职业技术学院学报 2015年2期
◎胡三宁
(三门峡职业技术学院教务处,河南三门峡472000)
一种基于相似度的混合推荐方法
◎胡三宁
(三门峡职业技术学院教务处,河南三门峡472000)
提出了一种基于用户兴趣及标签相似度的混合推荐算法,构建基于标签的用户兴趣模型,通过计算与资源相似度完成推荐,同时融合时间因素研究用户兴趣变化,提高了基于内容的推荐中相似度计算的准确率;根据用户兴趣相似度聚类用户,通过兴趣协同推荐减少对评分矩阵的依赖,一定程度上解决了协同过滤中推荐数据缺失问题;同时,结合用户基本信息有望缓解冷启动问题。实验表明该算法具有一定的有效性及可行性。
用户兴趣;标签;相似度;混合推荐
在Web技术高速发展的今天,互联网上的信息呈指数级剧增[1]。然而面对海量的、分散的数字化资源,渴望进行网络学习的用户却往往无法准确获得满足其需要的资源。即尽管“资源海洋”表现为“信息过载”,但由于海量资源与学习者个性化需求之间存在的较大的供需矛盾,仍不可避免的造成了有用信息的“匮乏”[2]。为解决这一矛盾,个性化推荐技术应用而生,并逐渐成为领域研究热点。笔者在总结现有个性化推荐技术的基础上,提出一种基于用户及标签相似度的混合推荐方法。经过实验验证,该方法具有一定的可行性。
1 个性化推荐技术
文献[3]给出推荐系统的非形式化概念:“利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。……
登录APP查看全文
