視頻網(wǎng)站中混合模型推薦算法的優(yōu)化.pdf

1、互聯(lián)網(wǎng)時(shí)代的來(lái)臨使得在線視頻行業(yè)飛速發(fā)展，很多優(yōu)秀的視頻網(wǎng)站脫穎而出。為滿足不同用戶的需求，視頻網(wǎng)站中各種影視作品數(shù)目成指數(shù)型增加，用戶規(guī)模也在急劇增長(zhǎng)，這使得User-Item評(píng)分矩陣越來(lái)越稀疏。在進(jìn)行個(gè)性化推薦時(shí)冷啟動(dòng)問(wèn)題越來(lái)越明顯，再加上當(dāng)前物品相似性度量方法均存在一定的弊端，使得個(gè)性化推薦的推薦質(zhì)量逐步降低?；旌夏Ｐ屯扑]算法將協(xié)同過(guò)濾與內(nèi)容過(guò)濾相結(jié)合，在一定程度上解決了物品冷啟動(dòng)問(wèn)題，但推薦結(jié)果仍然只是差強(qiáng)人意。
　　為提

2、高推薦系統(tǒng)的推薦質(zhì)量，給用戶提供真正的個(gè)性化推薦服務(wù)，本文基于混合模型提出了一種優(yōu)化的推薦算法。在我們的算法中，物品相似性度量方法由優(yōu)化后的物品屬性相似性和改進(jìn)的修正余弦相似性線性組合而成，其權(quán)重因子與對(duì)兩物品共同評(píng)分的用戶個(gè)數(shù)相關(guān)且自動(dòng)生成。物品屬性相似性的計(jì)算考慮了物品各屬性所占權(quán)重問(wèn)題，并運(yùn)用了TF-IDF算法。改進(jìn)的修正余弦相似性度量方法考慮了用戶評(píng)分偏好及用戶活躍度對(duì)物品相似性的影響，在相似性計(jì)算時(shí)融入了用戶評(píng)分歸一化以及CF