典型文献
融合用户聚类与Bandits算法的微博推荐模型
文献摘要：
针对微博推荐系统中存在的新用户冷启动和数据稀疏性问题,提出一种微博推荐模型.该模型通过重要用户聚类和普通用户分类构建完整用户类,基于类兴趣表征普通用户兴趣,利用Bandits算法为完整用户类中的普通用户产生微博推荐列表,根据普通用户对推荐列表的反馈更新其所属完整用户类的历史数据,合理应对新用户冷启动,降低了数据稀疏度,实现了较为准确的微博推荐,为微博推荐模型的构建提供了新的思路.实验结果表明,该模型能够推荐给用户感兴趣的博文,推荐效果较现有随机探索类算法、置信区间类算法和概率匹配类算法分别最低提高5.62％、5.43％和33.37％.
文献关键词：
微博推荐;用户聚类;Bandits算法;冷启动;数据稀疏
中图分类号：
作者姓名：
何羽丰;徐建民;张彬
作者机构：
河北大学网络空间安全与计算机学院,河北保定071002;河北大学管理学院,河北保定071002
文献出处：
引用格式：
[1]何羽丰;徐建民;张彬-.融合用户聚类与Bandits算法的微博推荐模型)[J].小型微型计算机系统,2022(10):2122-2130
A类：
Bandits
B类：
用户聚类,微博推荐,推荐模型,推荐系统,新用户,用户冷启动,数据稀疏性,重要用户,普通用户,用户分类,户类,用户兴趣,列表,历史数据,稀疏度,感兴趣,博文,推荐效果,置信区间
AB值：
0.254936
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。
