• 中国核心期刊(遴选)数据库收录期刊
  • 中文科技期刊数据库收录期刊
  • 中国学术期刊(光盘版)收录期刊
  • 中国人民大学报刊资料数据库收录期刊
  • 中国学术期刊综合评价数据库统计源期刊
  • 中国台湾华艺数据库收录期刊

情报探索

• 理论探索 •    

基于用户多属性加权和兴趣相似度的协同过滤算法研究*

罗海媛 章牧   

  1. 罗海媛1 章 牧2
    (1.中山大学资讯管理学院 广东广州 510006)
    (2. 暨南大学深圳旅游学院 广东深圳 518053)
  • 出版日期:2018-05-23 发布日期:2018-05-23
  • 作者简介:罗海媛(1994—),女,2017级硕士研究生,研究方向为商业智能和竞争情报;章牧(1964—),男,博士,通讯作者,博士生导师,主要研究方向为个性化推荐和旅游电子商务。
  • 基金资助:
    *本文系国家社科基金重点项目“基于本体映射的非物质文化遗产本体词汇库研究”(项目编号:16AZD055)成果。

  • Online:2018-05-23 Published:2018-05-23

摘要: [目的/意义]旨在为提高协同过滤算法推荐质量提供参考。[方法/过程]针对协同过滤算法存在的数据稀疏性、冷启动等问题,提出基于用户多属性加权和兴趣相似度的协同过滤算法。该算法通过征集专家意见,借助层次分析法得出用户在年龄、性别、职业和邮编相似度的最优权重,计算多维属性相似度;将皮尔逊相似度作为约束系数,融入Weight Slope one算法,提取用户隐式标签,计算用户兴趣相似度;动态调整多维属性相似度和兴趣相似度,从而选取最优参数。[结果/结论]该算法有效降低了推荐系统的MAE值,在近邻数目较少和数据较稀疏情况下仍具优越性,提高了推荐质量。

关键词: 协同过滤, 冷启动, 稀疏性, 用户多属性加权, 隐形标签