基于概念邻域的Top-N推荐算法

摘要 做为处理信息过载的有效手段,推荐系统在短时间内得到了迅速的发展.传统的基于邻域的方法忽略了用户与产品间的结构关系,只考虑了同类对象间的相似关系.随着推荐系统的广泛应用,数据稀疏条件下的推荐问题也亟待解决.针对推荐系统所面临的关键问题提出了一种面向隐式反馈数据的基于概念邻域的推荐算法.将用户与产品的评分(关系)矩阵转化为二元形式背景,以此为基础构造出相应的概念格,将用户与产品分别以对象与属性的形式聚集在概念中,并通过概念间的偏序关系,以对象(用户)的起始概念为起点探索其近邻概念并获取候选项集,最后结合所提出的全局偏好度与邻域偏好度过滤出最终推荐结果.该算法通过在两个公共数据集上的实验,相较于传统的基于邻域的推荐算法,具备较好的推荐效果,并更适用于数据稀疏条件下的推荐