基于用户分层的多目标推荐算法

TP242; 经典的推荐系统着重于推荐的准确性,随着用户多样化需求的增加,推荐结果的多样性受到越来越多的关注.推荐的精度与多样性存在冲突,传统的推荐算法往往忽略系统中的用户活跃度差异.本文提出一种基于物品评价次数的用户分层多目标推荐算法,将用户分为评价次数高、中、低三种层次,对应三种不同的算法初始化方式,为不同用户提供更合适的推荐结果.对已有基于概率的多目标进化算法的初始化方式和参数进行对比分析,获得更优的算法交叉和变异方式.实验结果验证了改进后的多目标进化算法在推荐精度和多样性方面都有更优的结果.总结出的基于用户分层的推荐方案有助于提高对不同用户的推荐效果....

Full description

Saved in:
Bibliographic Details
Published in广东工业大学学报 Vol. 40; no. 1; pp. 10 - 18
Main Authors 胡晓敏, 龙祖涛, 李敏
Format Journal Article
LanguageChinese
Published 广东工业大学 计算机学院,广东 广州510006%广东工业大学 计算机学院,广东 广州510006 2023
广东工业大学 信息工程学院,广东 广州510006
Subjects
用户分层
多目标进化算法
推荐算法
Online AccessGet full text
ISSN1007-7162
DOI10.12052/gdutxb.210197

Cover

More Information
Summary:TP242; 经典的推荐系统着重于推荐的准确性,随着用户多样化需求的增加,推荐结果的多样性受到越来越多的关注.推荐的精度与多样性存在冲突,传统的推荐算法往往忽略系统中的用户活跃度差异.本文提出一种基于物品评价次数的用户分层多目标推荐算法,将用户分为评价次数高、中、低三种层次,对应三种不同的算法初始化方式,为不同用户提供更合适的推荐结果.对已有基于概率的多目标进化算法的初始化方式和参数进行对比分析,获得更优的算法交叉和变异方式.实验结果验证了改进后的多目标进化算法在推荐精度和多样性方面都有更优的结果.总结出的基于用户分层的推荐方案有助于提高对不同用户的推荐效果.
ISSN:1007-7162
DOI:10.12052/gdutxb.210197