首页 期刊 计算机科学 基于用户兴趣变化和评论的协同过滤算法研究 【正文】

基于用户兴趣变化和评论的协同过滤算法研究

作者:董晨露; 柯新生 北京交通大学经济管理学院; 北京100044
协同过滤   稀疏数据集   主题模型   用户兴趣变化   评论相似度  

摘要:传统协同过滤算法中,随着用户和商品数量的日益增多,用户-项目评分矩阵越来越稀疏。针对这一问题,提出了一种基于用户兴趣变化和评论的协同过滤算法。该算法将用户评论和遗忘曲线引入传统协同过滤算法中,将评论文本作为商品特征描述文本,使用主题模型计算商品主题特征,引入艾宾浩斯遗忘曲线来协同计算用户的评论分布及评论相似度。将用户评论相似度和用户评分相似度相结合,以得到最终的用户相似度,进而对商品评分进行预测。对网络爬取的真实数据进行验证,结果显示该算法能够在稀疏数据集上获得较好的推荐结果。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

学术咨询 免费咨询 杂志订阅