一种改进的用户隐式反馈协同过滤推荐算法.pdf

文档介绍：第 卷第 期 北 方 工 业 大 学 学 报
32 5 Vol. 32 No. 5
年 月
2020 10 J. NORTH CHINA UNIV. OF TECH. Oct. 2020
一种改进的用户隐式反馈协同过滤推荐算法*
何 丽 麻 强
北方工业 大学信 息 学院 北京
( ,100144, )
摘 要 传统推荐算法一般通过显式评分来判断用户是否喜欢某商品 利用真实评分会取
,
得较好的推荐结果 但在现实生活中 用户产生的真实评分较少 容易导致数据稀疏问题 从而
. , , ,
影响推荐的准确性 针对此问题 本文提出了一种改进的用户隐式反馈协同过滤推荐算法 将
. , ,
用户的隐式反馈数据通过 加权算法转换成显示评分 并在加权处理中融入每个用户每种
AHP ,
行为的购买率 计算出的权值更能代表每个用户的行为特点 本实验基于 大数据平台
, . SPARK ,
使用 算法进行协同过滤推荐 并在京东算法大赛中提供的用户隐式反馈数据集上进行训
ALS ,
练 实验结果表明 该方法能有效缓解数据稀疏性问题 并能有效提高推荐的准确率
, , , .
关键词 隐式反馈 协同过滤算法 权重