融合用户兴趣度与项目相关度的电影推荐算法研究
2017-06-01俞美华
电脑知识与技术 2017年8期
俞美华
摘要:在目前的电影推荐系统中,传统的推荐算法具有用户评分数据稀疏的不足,因此无法根据用户喜好进行准确推荐。针对上述問题,本文提出一种融合用户兴趣度与项目相关度的电影推荐算法,此算法基于项目类别属性的用户兴趣度计算用户间相似性,并结合基于关联规则思想计算项目间相似性从而产生推荐。基于Movielens数据集的实验结果表明,本文所提出的算法比传统的推荐算法在推荐准确度上有明显提高。
关键词:电影推荐;用户兴趣度;项目相关度;协同过滤
中图分类号:TP301.6 文献标识码:A 文章编号:1009-3044(2017)08-0022-05
随着互联网的迅速发展,网络中的电影数据海量增加,用户对于更准确高效的电影推荐需求越来越迫切,因而能够提供个性化推荐结果的推荐系统(recommerwler systems)越来越多地被运用到电影网站中。现有的推荐技术主要包括基于内容的推荐(Content-Based Recommendation)、协同过滤(collaborative filtering)推荐以及混合推荐(HybridApproach)等,其中协同过滤算法在电影推荐系统中应用最广泛。协同过滤算法的原理是基于对用户一项目评分矩阵的分析,利用历史评分数据获取目标用户的最近邻用户,根据最近邻用户的评分数据进行目标用户的推荐。然而,随着网络和用户规模的日益扩大、项目和用户数量的爆炸式增长,传统的协同过滤推荐算法存在的弊端就会体现:由于用户一项目评分矩阵存在极大的数据稀疏性,推荐结果往往存在偏差,推荐精度较低。
对于数据稀疏性问题,许多学者对传统的协同过滤算法进行修改和完善。……
登录APP查看全文
