改进的基于二部图网络结构的推荐算法

摘要

基于二部图网络结构的推荐算法得到了越来越多的关注.原始的基于二部图网络结构的推荐算法只判断用户是否选择过项目,并没有考虑其他有价值的可用于提升推荐效果的信息,而且该算法只在本地进行算法评价,并没有在大数据平台上进行验证.针对这些问题,文中采用用户的点击、收藏、加入购物车和购买四种行为构造用户对商品的评分系统,考虑了数据的时间特征,对各个系数采用遗传算法进行了优化,并且对算法中的矩阵相乘进行了优化.最后采用天猫的真实数据进行实验.实验结果表明,改进后的算法能够在数据量较低的时候提高推荐准确性,但在天猫海量数据下二部图算法仍然很难应用.