点击次数：

论文类型：期刊论文

发表时间：2012-01-01

发表刊物：情报学报

收录刊物：PKU、ISTIC、CSSCI

卷号：31

期号：3

页面范围：289-296

ISSN号：1000-0135

关键字：个性化信息推荐;数据稀疏;随机游走

摘要：近几年,各大社会媒体都在致力于提供良好的信息推荐服务,应对网络资源的增长和用户的个性化需求,然而数据稀疏性问题成为了影响推荐性能的主要障碍因素之一.本文在随机游走 (RWR) 算法的基础上进行了改进,提出了一种项目-标签导向的随机游走推荐模型 (TRWR),针对特定用户分别在项目空间和标签空间中根据对象之间的相似性计算转移概率,进行有限步长的随机游走,在两个空间中都生成若干个待推荐项目,然后重新计算预测评分,最后对该用户进行个性化信息推荐.在计算对象之间相似性的过程中,本文采用了融合评分差异性和共同评分用户数的相似度计算方法.我们的实验基于MovieLens公开数据集,并与Top-N、DV和RWR这三种项目导向方法进行了对比,结果表明本文提出的模型提高了Precision值和Recall值,并使得MAE值有所下降.