視頻網(wǎng)站中混合模型推薦算法的優(yōu)化.pdf

1、互聯(lián)網(wǎng)時代的來臨使得在線視頻行業(yè)飛速發(fā)展，很多優(yōu)秀的視頻網(wǎng)站脫穎而出。為滿足不同用戶的需求，視頻網(wǎng)站中各種影視作品數(shù)目成指數(shù)型增加，用戶規(guī)模也在急劇增長，這使得User-Item評分矩陣越來越稀疏。在進行個性化推薦時冷啟動問題越來越明顯，再加上當(dāng)前物品相似性度量方法均存在一定的弊端，使得個性化推薦的推薦質(zhì)量逐步降低。混合模型推薦算法將協(xié)同過濾與內(nèi)容過濾相結(jié)合，在一定程度上解決了物品冷啟動問題，但推薦結(jié)果仍然只是差強人意。
　　為提

2、高推薦系統(tǒng)的推薦質(zhì)量，給用戶提供真正的個性化推薦服務(wù)，本文基于混合模型提出了一種優(yōu)化的推薦算法。在我們的算法中，物品相似性度量方法由優(yōu)化后的物品屬性相似性和改進的修正余弦相似性線性組合而成，其權(quán)重因子與對兩物品共同評分的用戶個數(shù)相關(guān)且自動生成。物品屬性相似性的計算考慮了物品各屬性所占權(quán)重問題，并運用了TF-IDF算法。改進的修正余弦相似性度量方法考慮了用戶評分偏好及用戶活躍度對物品相似性的影響，在相似性計算時融入了用戶評分歸一化以及CF