一种融合异构信息网络和评分矩阵的推荐新算法

摘要

在当今的大数据时代,推荐系统是解决信息超载的有效手段.传统的协同过滤推荐系统仅仅使用用户-项目评分矩阵,而异构信息网络的出现为推荐系统更多地融合用户与项目信息提供了机遇,为了结合二者的优点,提出了一个融合它们的新的解决方案.在对推荐系统中的用户属性和项目属性建立异构信息网络之后,首先使用基于元路径的相似度计算方法分别计算用户与项目的相似度矩阵;其次使用提出的3种将相似度矩阵与用户-项目评分矩阵进行融合的方法;然后采用传统的基于矩阵分解的推荐技术进行预测及最后的结果合并.在MovieLens 100K这一国际标准数据集上以及通过IMDb对电影属性进行扩展后,通过实验验证了使用异构信息网络更多地引入用户与项目属性信息以及融合评分矩阵可以有效地提高推荐精度.