一種改進的協同過濾算法研究——以電影推薦系統為例

作者：金丹,張嬌嬌,李依玲,崔立新

摘要：互聯網上信息資源的爆炸式增長,給用戶帶來了信息過載問題,不明確的用戶需求更是對搜索引擎提出了更大的挑戰。個性化推薦系統實現了用戶和信息資源的緊密連接。目前,協同過濾算法是個性化推薦系統中使用最廣泛的算法。然而隨著用戶數量和信息資源的不斷驟增,數據不可靠、稀疏性以及及時性等問題嚴重影響著推薦系統的推薦質量。因此,基于現有協同過濾技術在時間和空間的維度上對傳統算法從三方面進行了改進:在空間上構造情感得分矩陣并結合評分矩陣以緩解用戶主觀評分不可靠問題;在時間上引入時間權重因子模擬用戶的興趣遷移以緩解數據稀疏性和及時性問題;結合用戶興趣分布相似度和評分相似度來進一步保證推薦質量。同時,以電影推薦系統為例驗證改進協同過濾算法的推薦質量,結果表明,相較于傳統算法,改進的算法其推薦效果更優。

發文機構：北京理工大學管理與經濟學院

關鍵詞：協同過濾算法情感分析LDA主題模型興趣遷移Collaborative Filtering AlgorithmSentiment AnalysisLDA Topic ModelInterest Migration

分類號： TP391.3[自動化與計算機技術—計算機應用技術][自動化與計算機技術—計算機科學與技術]