论文部分内容阅读
针对智能电视电影推荐领域，新用户难以推荐问题，提出电影按用户属性过滤的推荐模型。该模型结合电影用户历史评分，由贝叶斯定理得出每个电影对用户属性的概率评分。为用户推荐电影时，由用户属性和概率评分得出电影预测评分列表，进而推荐预测评分较高的电影。针对电影属性概率评分间并线性的，提出支持向量机回归的方法，解决用户多属性结合的问题。实验结果表明，该模型提高了召回率。得到结论，该用户多属性推荐模型提高了召回率，并能为新用户推荐。