加入用户偏好的非均匀资源分配推荐算法

二部图网络结构的推荐算法(NBI)根据用户-对象间的选择这种隐式信息进行推荐,在推荐中每个节点具有的代表其推荐能力的资源值平均的分配给相邻节点.加入用户偏好的非均匀资源分配推荐算法(UBND)对原二部图算法进行改进,把推荐算法中常常看做用户偏好的评分,作为显式信息线性的融合到二部图资源分配中,在分配过程中资源值不是均匀的分配给相邻节点,而是根据用户评分差异以及由此计算出来的用户间相似度对分配系数加以调整,最后使拥有更多资源值的用户下评分高的对象优先被纳入推荐列表呈现给用户.通过在Movie Lens数据集上的实验表明,这种改进型二部图推荐算法相比于其他算法,显著提高了平均准确率(MAP)、平均排序倒数(MRR)和标准化折扣增益值(n DCG).这说明,该算法能使推荐列表命中更多对象并且命中的对象排在列表的前端,因此具有很强的应用价值.