基于用户隐性反馈与协同过滤相结合的电子书籍推荐服务

摘要 随着电子设备的普及，越来越多的人更愿意在他们的手机或者平板上阅读电子书籍.推荐服务的出现是为了从海量电子书籍中找到符合读者兴趣的书籍，其中协同过滤(Collaborative Filtering,CF)作为推荐系统的主流方法，也被应用在书籍推荐服务中.传统基于CF的书籍推荐在解决用户显性评分缺失问题时，仅考虑了用户对书籍的喜好程度与阅读时长和阅读频次等隐性反馈内容有关，忽略了在阅读书籍时不同用户间阅读速度可能存在差异.从阅读速度出发展开研究,提出阅读速度感知模型(Reading Speed-aware Model,RSA)和书籍阅读权重模型(Reading Book-weight Model,RBW)，把用户的阅读时长转换为阅读速度，最后结合上述两个模型提出一个混合的速度-权重模型(Speed-Weight Model)，将用户的隐性反馈转换为喜好程度的评分来补全CF评分矩阵.通过对现有方法的实验对比分析，本文所提方法能够在一定程度上提高书籍推荐的准确度