论文部分内容阅读
[目的/意义]随着互联网的迅速普及,海量的在线影视作品导致用户难以快速准确地获取到所需内容,如何为用户进行个性化影视推荐成为学者们研究的热点.[方法/过程]首先利用在线影视平台中的用户交互数据以及电影信息数据建立完全三部图,然后构建图神经网络并结合扩散算法计算标签间关联度,基于标签间关联度获取标签可重叠社区,通过计算用户和电影对标签可重叠社区的归属度及用户与电影的匹配度,最终为用户生成推荐列表.[结果/结论]采用hetrec2011-movielens-2k数据集进行实验分析,结果显示所提出算法模型的召回率、精确率和F1值均优于同类算法.因此,通过聚合关联用户的信息能够充分挖掘当前用户的潜在兴趣偏好,提升算法推荐效果,有助于为用户精准生成个性化推荐内容.