基于用户属性偏好与时间因子的服装推荐研究

摘要

针对服装推荐方法推荐精度不高、覆盖率低,不能充分挖掘用户潜在兴趣的问题,提出一种基于用户图像内容属性偏好与时间因子的服装推荐(UIACF)算法.通过构建深度卷积神经网络,提取服装图像中的服装属性,并据此形成用户属性向量,将基于用户属性偏好的相似度与基于时间因子的用户兴趣偏好相似度融合,构建用户偏好模型.将其与基于用户的协同过滤(UCF)算法、基于项目的协同过滤(ICF)算法及基于项目偏好的协同过滤(UCSVD)算法进行比较,结果显示,UIACF算法准确率提高14％.该算法为基于用户的服装协同过滤个性化推荐提供了一种新思路,用户潜在兴趣挖掘效率更高.