一种由长尾分布约束的推荐方法

摘要

由于在线商品销售的长尾效应,冷门商品的总销量非常巨大,因而对冷门商品的推荐十分重要,然而由于对冷门商品的评价数量少,导致现存的推荐算法对其推荐权重接近平均推荐权重,所以很难使用户关注冷门商品,影响了冷门商品的销售,因此合理地提高冷门商品的推荐权重十分重要。提出一种由长尾分布约束的推荐方法(long tail distribution constrained recommendation method,LTDCR),由用户行为的相似度确定用户间相似关系,并应用不信任关系约束用户相似关系的传播,通过长尾分布约束由用户间相似关系计算的推荐权重,并给出一种精确描述长尾分布的方法。在包含大量冷门商品的数据集的实验结果表明，LTDCR在训练集较小的情况下,有效地提高了对冷门商品的推荐效果。