基于用户兴趣模型的推荐算法
作者:

Recommendation Algorithm Based on User Interest Model
Author:
  • 摘要
  • | |
  • 访问统计
  • |
  • 参考文献 [21]
  • |
  • 相似文献 [20]
  • | | |
  • 文章评论
    摘要:

    传统的协同过滤算法虽然可以很容易地挖掘出用户的兴趣爱好,但存在数据冷启动和稀疏性问题.针对这些问题,提出一种基于用户兴趣模型的推荐算法.首先通过LDA主题模型训练数据集得到物品-主题概率分布矩阵,利用物品-主题概率分布矩阵得到用户历史兴趣模型,然后结合用户历史行为信息和物品内容信息得到用户兴趣模型,最后计算用户与候选集之间的相似度,进行TOP-N推荐.在豆瓣电影数据集上的实验结果表明,改进后的推荐算法能够更好地处理稀疏数据和冷启动问题,并且明显提高了推荐质量.

    Abstract:

    Although traditional collaborative filtering recommendation algorithm can easily find potential users' interests, it remains cold-start problem and sparsity problem. In order to solve these problems, a new hybrid recommendation algorithm is proposed. Firstly, this study builds topic distribution matrix through the LDA topic model, and user interest matrix is created using topic distribution matrix. Secondly, the user interest model is obtained by combining user's historical behavior information and user's content information. Finally, the TOP-N recommendation list is output after calculating the similarity of user and candidate movies. Experiments on the Douban Movies dataset reveals that the results obtained from improved recommendation algorithm are obviously better than that from traditional recommendation algorithm, and it can better deal with sparse data and cold-start problems.

    参考文献
    1 胡勋, 孟祥武, 张玉洁, 等. 一种融合项目特征和移动用户信任关系的推荐算法. 软件学报, 2014, 25(8):1817-1830.[doi:10.13328/j.cnki.jos.004491]
    2 曹一鸣. 协同过滤推荐瓶颈问题综述. 软件, 2012, 33(12):315-321.[doi:10.3969/j.issn.1000-386x.2012.12.088]
    3 陶俊, 张宁. 基于用户兴趣分类的协同过滤推荐算法. 计算机系统应用, 2011, 20(5):55-59.[doi:10.3969/j.issn.1003-3254.2011.05.013]
    4 Kim HN, Ji AT, Ha I. Collaborative filtering based on collaborative tagging for enhancing the quality of recommendation. Electronic Commerce Reserch and Applications, 2010, 9(1):73-83[doi:10.1016/j.elerap.2009.08.004]
    5 Schein A, Popescul A, Ungar LH, et al. Methods and metrics for cold-start recommendation. Reserch and Developpment in Information Retrieval, 2012, 22(1):253-260.
    6 Adomavicius G, Tuzhilin A. Toward the next generation of recommender systems:a survey of the state-of-the-art and possible extensions. IEEE Trans on Knowledge & Data Engineering, 2015, 17(6):734-749.[doi:10.1109/TKDE.2005.99]
    7 Koren Y, Bell R. Advances in collaborative filtering. US:Recommender Systems Handbook, 2011.
    8 冷亚军, 陆青, 梁昌勇. 协同过滤推荐技术综述. 模式识别与人工智能, 2014, 27(8):720-734.[doi:10.3969/j.issn.1003-6059.2014.08.007]
    9 汪静, 印鉴, 郑利荣, 等. 基于共同评分和相似性权重的协同过滤推荐算法. 计算机科学, 2010, 37(2):99-104.[doi:10.3969/j.issn.1002-137X.2010.02.022]
    10 董立岩, 王越群, 贺嘉楠, 等. 基于时间衰减的协同过滤推荐算法. 吉林大学学报(工学版), 2017, 47(4):1268-1272.
    11 刘毓, 何锐. 一种改进SlopeOne的学习推荐算法. 西安邮电大学学报, 2017, 22(4):105-108.
    12 张峻玮, 杨洲. 一种基于改进的层次聚类的协同过滤用户推荐算法研究. 计算机科学, 2014, 41(12):176-178.[doi:10.11896/j.issn.1002-137X.2014.12.038]
    13 姚平平, 邹东升, 牛宝君. 基于用户偏好和项目属性的协同过滤推荐算法. 计算机系统应用, 2015, 24(7):15-21.[doi:10.3969/j.issn.1003-3254.2015.07.003]
    14 高娜, 杨明. 嵌入LDA主题模型的协同过滤推荐算法. 计算机科学, 2016, 43(3):57-61, 79.
    15 黄璐, 林川杰, 何军, 等. 融合主题模型和协同过滤的多样化移动应用推荐. 软件学报, 2017, 28(3):708-720.[doi:10.13328/j.cnki.jos.005163]
    16 唐晓波, 谢力. 基于主题的用户兴趣模型的构建及动态更新. 情报理论与实践, 2016, 39(2):116-123.
    17 卢露, 朱福喜, 高榕, 等. 基于用户-内容主题模型的兴趣点联合推荐算法. 计算机工程与应用, 2018, (4):154-159.
    18 廉涛, 马军, 王帅强, 等. LDA-CF:一种混合协同过滤方法. 中文信息学报, 2014, 28(2):129-135, 150.[doi:10.3969/j.issn.1003-0077.2014.02.019]
    19 吴毅涛, 张兴明, 王兴茂, 等. 基于用户模糊相似度的协同过滤算法. 通信学报, 2016, 37(1):198-206.
    20 项亮. 推荐系统实践. 北京:人民邮电出版社, 2012.
    21 杨武, 唐瑞, 卢玲. 基于内容的推荐与协同过滤融合的新闻推荐方法. 计算机应用, 2016, 36(2):414-418.
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文

于波,杨红立,冷淼.基于用户兴趣模型的推荐算法.计算机系统应用,2018,27(9):182-187

复制
分享
文章指标
  • 点击次数:2753
  • 下载次数: 3355
  • HTML阅读次数: 4562
  • 引用次数: 0
历史
  • 收稿日期:2018-01-04
  • 最后修改日期:2018-01-23
  • 在线发布日期: 2018-08-17
文章二维码
您是第11274133位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号