论文部分内容阅读
推荐算法是个性化推荐系统中最为核心的一部分。文本通过给出产品流行性定义，提出了一种改进的用户兴趣点度量方法，进而将用户的兴趣点嵌入到基于物质扩散原理的推荐算法中。新算法引入参数口度量产品的推荐权重与用户兴趣点之间的关系。MovieLens数据集上的数值结果表明新的用户兴趣点定义方法可以同时改进推荐算法的准确度和推荐列表多样性，当采用60％的数据作为训练集时，多样性可以提高13．15％。进一步的结果表明当训练集很稀疏的时候，应当赋予与用户兴趣点不同的产品更高的推荐能力，随着稀疏度增加，赋予与用户兴趣点相近的