典型文献
融合用户兴趣和评论文本主题挖掘的推荐算法研究
文献摘要：
传统的推荐模型存在两大问题:一是用户的偏好发生变化,而推荐模型没有随之发生改变;二是对异常数据的处理能力有限,导致推荐结果的单一性使得多样性推荐不足.用户行为数据是近年来推荐研究领域热点,利用用户行为数据能够挖掘用户更深层次的信息.对从评论文本和用户源信息提取用户偏好,提出UICTM模型.在此基础上运用LDA技术得到UIFT算法,融合时间因素优化UIFT算法,对CF、TMF、UIFT、UIFT+进行实验数据分析比较.结果表明:UIFT+算法在均方差MSE和推荐度ACC上整体优于其他推荐算法.
文献关键词：
用户兴趣标签;文本主题分析;UICTM;UIFT
中图分类号：
作者姓名：
丁丽;方晓
作者机构：
亳州职业技术学院信息工程系,安徽亳州 236800
文献出处：
引用格式：
[1]丁丽;方晓-.融合用户兴趣和评论文本主题挖掘的推荐算法研究)[J].青海师范大学学报（自然科学版）,2022(01):14-23,96
A类：
UICTM,UIFT,UIFT+,用户兴趣标签
B类：
评论文本,文本主题挖掘,推荐算法,算法研究,推荐模型,异常数据,处理能力,单一性,用户行为数据,用用,信息提取,取用,用户偏好,LDA,时间因素,因素优化,CF,TMF,MSE,推荐度,ACC,文本主题分析
AB值：
0.305773
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。
