摘要：基于排序学习的协同过滤推荐算法受数据稀疏性的影响,出现了推荐不准确性的问题。为此,文中提出了一种结合LDA主题模型和列表排序的混合排序学习协同过滤算法。该算法首先使用LDA主题模型对用户-项目评分矩阵建模,获取用户潜在低维主题向量来度量用户之间的相似度;然后通过列表排序学习函数为用户直接预测满足其偏好的排序列表。在Movielens和EachMovie两个真实数据集上的实验结果表明:该算法可以避免排序学习算法由于用户间共同评分信息过少引起的相似度计算不准确的问题,同时体现出了排序推荐的优越性,有效缓解了数据稀疏性带来的影响,提高了推荐准确度。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社