基于本体用户兴趣模型的个性化推荐算法
针对目前个性化服务中用户模型稳定性低、推荐结果不尽人意的现状，在建立基于本体的用户兴趣模型基础上，通过模型更新改善稳定性，建立用户群实现用户模型管理。提出利用矩阵聚类降维分解技术的个性化推荐算法，引入偏好方差的概念计算用户最近邻，进而产生推荐，避免了传统协同过滤算法的数据稀疏性缺陷，提高了推荐质量。最后，结合面向电影的个性化推荐系统，验证了模型及算法的有效性。
本体 用户兴趣模型 用户模型稳定性 个性化推荐 矩阵聚类 偏好方差
严隽薇 黄勋 刘敏 朱延波 倪亥彬
同济大学CIMS研究中心,上海 201804
国内会议
北京
中文
1189-1197
2010-09-15（万方平台首次上网日期，不代表论文的发表时间）