融入景点标签的矩阵分解个性化推荐

摘要

基于标签的推荐算法在景点推荐领域取得了良好效果,但仍然存在一些问题,如仅采用用户对景点的评分值表示用户对标签的喜爱程度,忽略了用户、标签、景点之间的关联,从而导致结果精度不高.提出一种融入景点标签的矩阵分解个性化推荐方法,通过文本挖掘技术构建适用于景点推荐领域的景点标签,并将其引入矩阵分解推荐算法的因子向量,然后利用矩阵分解技术深入挖掘用户、标签、景点之间的潜在联系,从而预测用户对景点标签的感兴趣程度,最终通过用户对景点标签的感兴趣程度以及景点对标签的隶属度预测用户对景点的评分值.实验结果表明,该方法相比基于用户的协同过滤景点推荐算法,MAE和RMSE分别降低68.28％、61.23％,相比基于标签的协同过滤景点推荐算法,MAE和RMSE分别降低67.02％、59.93％,其性能明显优于现有相关景点推荐算法,能够为景点推荐提供有力支撑.