一种嵌入项目元数据的跨项目协同过滤推荐算法

摘要

传统的协同过滤推荐系统中用户相似性通常是由余弦、Pearson等方法来计算.然而这些方法都是基于共同的评分项目,在评分数据稀疏的情况下,用户之间的共同评分项目较少,很难准确地找到与目标用户偏好相似的邻居.针对这一问题,提出一种新的方法,通过嵌入项目元数据,利用用户与项目及其属性的交互,采用贝叶斯概率计算项目特征的相似性,并结合EM D方法实现基于元数据表示的跨项目计算相似性.实验结果表明,该方法能够有效地解决用户评分数据稀疏情况下传统的相似性度量方法所存在的不足,提高了推荐的准确性.