用户兴趣对个性化推荐的影响
本文利用用户产品二部分图中度量同类节点相似性德的加权映射方法，研究了用户的兴趣对基于物质扩散的个性化推荐算法的影响并提出了相应的改进算法，其中用户的兴趣定义为用户所选择过产品的平均度。该算法中在推荐过程中假设用户收集产品被赋予的推荐强度应由用户的兴趣点和产品自身的度一起决定。数值实验结果显示该算法可以提高原物质扩散算法的准确度。进一步，我们发现当数据集稀疏的时候，算法应该赋予与用户兴趣点相近的产品更大的推荐强度，随着数据集变得越来越稠密，应该赋予用户的兴趣点外的其它产品更多的权重以提高算法的准确度和推荐列表差异性。
商品推荐 数据处理 加权映射 二部分图 个性化推荐
刘建国 周涛 郭强
上海理工大学 复杂系统科学研究中心，上海 200093 弗里堡大学 物理系，弗里堡 1700 瑞士 上海理工大学 复杂系统科学研究中心，上海 200093 中国科学技术大学 近代物理系，合肥 230026 弗里堡大学 物理系，弗里堡 1700 瑞士 上海理工大学 复杂系统科学研究中心，上海 200093
国内会议
杭州
中文
1-4
2009-11-01（万方平台首次上网日期，不代表论文的发表时间）