基于用户隐式行为特征的最大熵推荐算法

作     者：胡敏 陈元会 黄宏程 HU Min;CHENG Yuan-hui;HUANG Hong-cheng

作者机构：重庆邮电大学通信与信息工程学院重庆400065 

基　　金：重庆市科委基础与前沿研究计划基金项目(cstc2014jcyjA40039) 国家级大学生创新计划基金项目(教育部教高司45号) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2019年第40卷第2期

页      码：405-411页

摘      要：在电商领域的推荐中,由于用户购买频率较低且很少留下评价信息,使推荐系统面临用户数据稀疏、准确率低等问题。针对该问题,提出一种基于用户隐式行为的最大熵推荐算法。收集用户的历史操作信息,分别从用户、商品、用户-商品3个角度提取用户隐式行为特征;考虑到特征的有效性,利用Tree Ensemble Models对特征进行筛选和组合,构建行为模型挖掘用户潜在兴趣,完善用户缺失信息;针对特征之间的相关性问题,以最大熵原理构建特征函数,对用户进行商品推荐。在阿里移动推荐算法数据集上的仿真结果表明,所提算法可以有效解决数据稀疏性问题,提高推荐准确率。

主 题 词：电商 隐式行为 潜在兴趣 特征筛选 最大熵 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2019.02.019

馆 藏 号：203454365...