p2p环境下基于社会化标签的个性化推荐模型研究

？【目的】利用用户使用标签的频率和时间因素计算用户的标签偏好向量,讨论用户兴趣的动态变化性对个性化推荐准确性的影响。【方法】构建p2p环境下基于社会化标签的个性化推荐模型,详细说明用户偏好的计算过程及推荐流程,并以西安某高校的p2p电影分享系统为对象进行实验验证。【结果】在随机选择的10名目标用户中,对其中8名用户的推荐命中率均高于传统基于用户评分的协同过滤推荐,说明综合用户标签使用频率和时间因素的推荐效果的优越性。【局限】由于本文主要研究用户兴趣的动态性对个性化推荐的影响,因此只在实验时人工删除无意义标签、合并相似标签,并没有引入有效的控制标签模糊性机制。【结论】在个性化推荐中,考虑用户兴趣的动态变化性,有助于提高推荐结果的准确性。