文章摘要:[目的]针对推荐系统研究中主要依赖用户对项目的评分信息所带来的稀疏性问题，本文提出一种基于细粒度属性偏好聚类的新型推荐模型。[方法]模型首先对项目-属性关系和用户-属性偏好进行建模，然后采用聚类方法分别从用户和项目两个角度构建相似簇，最后基于用户簇或项目簇采用协同过滤算法生成推荐列表。[结果]基于豆瓣数据集的实验结果表明，本文模型在准确率和召回率上均表现最优，均值较次优方法分别提升了19.7%和44.6%，验证了用户属性建模和聚类策略的有效性。[局限]在多维细粒度属性信息的表征和建模上需要进一步探究。[结论]基于用户细粒度属性偏好建模能更深层次地表征用户兴趣，从而实现推荐效果的提升。

文章关键词:推荐算法,协同过滤,项目属性偏好,聚类,

项目基金:国家自然科学基金资助项目“基于科研社交网络挖掘的专家组合推荐问题的研究”（项目编号：71701134）,广东省基础与应用基础研究基金资助项目“基于网络社交行为和内容生成模式挖掘的资源推荐机制研究”（项目编号：2019A1515011392）,深圳市哲学社会科学规划课题项目“基于智能语义本体的科学研究动态分析研究”（项目编号：SZ2020D015）的研究成果之一, 上一篇： 戏剧电影与电视艺术论文_一年备案4500部 高 下一篇：没有了