典型文献
融合标签和属性信息的混合推荐算法
文献摘要：
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.
文献关键词：
个性化推荐;协同过滤;标签;属性;时间权重
中图分类号：
作者姓名：
杨莉云;颜远海
作者机构：
广州华商学院数据科学学院,广州511300
文献出处：
引用格式：
[1]杨莉云;颜远海-.融合标签和属性信息的混合推荐算法)[J].吉林大学学报（信息科学版）,2022(04):644-651
A类：
B类：
融合标签,属性信息,混合推荐算法,协同过滤算法,用户相似度,相似度计算,推荐系统,项目属性,项目标签,标签信息,属性值,偏好矩阵,矩阵和,矩阵计算,加权平均,最近邻居,列表,标签数,项目数,数据稀疏性,更直,用户偏好,不同时间点,时间推移,分项,召回率,个性化推荐,时间权重
AB值：
0.322166
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
