融合偏好交互的组推荐算法模型

摘要 随着推荐系统的应用不断增多,组推荐的研究与应用也逐渐受到研究人员的关注.在群组活动的过程当中用户的未知偏好往往会受到组内其他成员的影响,但在现有的组推荐系统中对于组内用户未评分项目进行预测时未考虑到此影响,本文提出一种在组推荐评分预测过程中加入偏好交互的算法模型,将预测的评分分为自我预测和偏好交互两部分,并对偏好交互部分进行了系统的分析与说明,针对群组当中的每个用户,通过历史组活动信息和推荐后评分反馈机制生成个性化交互参数,从而提高组推荐算法的真实满意度.最后将模型与协同过滤算法结合,通过MovieLens数据集将应用模型的算法与未应用模型的算法进行比较,结果表明在存在交互的群组当中,融合偏好交互的组推荐算法模型可以明显提高组推荐结果的准确率