基于协同过滤的多维度电影推荐方法研究 |
| |
作者姓名: | 张家鑫 刘志勇 张琳 张倩 莎仁 |
| |
作者单位: | 东北师范大学 信息科学与技术学院,长春,130117;东北师范大学 信息科学与技术学院,长春 130117;东北师范大学 教育部数字化学习支撑技术工程研究中心,长春 130117;吉林大学 软件学院,长春,130012 |
| |
基金项目: | 吉林省教育厅十三五科学技术研究规划项目;吉林省教育厅新工科研究与实践项目 |
| |
摘 要: | 推荐系统作为解决信息过载的办法之一,广泛运用于各个领域,其中基于协同过滤的推荐方法应用最为成熟和广泛,但是由于传统的协同过滤推荐方法只考虑了用户和项目两个维度,忽略了包括环境因素、影片信息、观影感受等在内的多维度影响因素。分析表明以上多维因素对用户在进行影片评分时有着较为重要的影响。通过线性回归方法寻找并确定多维度属性以及各属性的影响程度,进而在传统协同过滤的基础上融入多维度影响因素,最终构建基于协同过滤的多维度推荐方法。实验表明,该方法相比传统协同过滤推荐方法的推荐效果有一定的提升,其中最优平均绝对误差取值下降了约6%,平均绝对误差均值下降了约2%,说明该方法相比于传统的协同过滤推荐方法具有更高的准确性,从而验证了该方法的有效性。
|
关 键 词: | 推荐系统 协同过滤 多维度推荐 线性回归 |
本文献已被 CNKI 万方数据 等数据库收录! |
|