融合人格信息的单分类协同过滤方法研究
现如今推荐系统已经成为了电子商务公司为了满足客户需求的重要工具.但是在线用户的不断扩充以及产生大量的信息,如何利用这些信息并准确地提供了个性化的内容变得越来越具有挑战性.传统的推荐模型过于依赖用户的偏好评分,而且还常常受到数据稀疏性问题的影响.单分类协同过滤模型更适用于电子商务真实的情况但在物品推荐上还有明显的不足之处.为了应对上述的挑战,本文利用用户的人格信息和单分类协同过滤模型提出了一种融合人格信息的单分类协同过滤模型(PA_OCCF).通过在公开数据集上的实验验证,结果表明本文提出的模型能够提高传统单分类协同过滤模型的性能并有效缓解了新用户冷启动问题.
电子商务 推荐系统 人格信息 单分类协同过滤
孙见山 徐东 姜元春
合肥工业大学 管理学院 安徽省 合肥市 230009
国内会议
天津
中文
1-8
2017-10-28（万方平台首次上网日期，不代表论文的发表时间）