考虑长短期兴趣及其演化的电影个性化动态推荐研究
Data Analysis and Knowledge Discovery Dynamic Movie Recommendation Considering Long-Term and Short-Term Interest and Its Evolution作者机构:华中师范大学信息管理学院武汉430079 南京大学信息管理学院南京210023
出 版 物:《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)
年 卷 期:2024年第8卷第1期
页 面:80-89页
核心收录:
学科分类:1205[管理学-图书情报与档案管理] 12[管理学] 120501[管理学-图书馆学] 08[工学] 120502[管理学-情报学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金面上项目(项目编号:72274077)和国家自然科学基金青年项目(项目编号:71904057)的研究成果之一
摘 要:【目的】提出一种考虑长短期兴趣及其演化的电影个性化动态推荐方法,捕捉用户兴趣动态变化以提高推荐准确度。【方法】首先,基于观影心理动机将用户兴趣分为长期兴趣和短期兴趣,利用兴趣评分与关注频率计算长短期兴趣值;其次,利用时间窗口与遗忘曲线函数获取时间权重,结合短期兴趣值与时间权重拟合短期兴趣的演化规律;最后,将电影评分与长短期兴趣值相融合,构建用户-项目评分矩阵,预测目标用户评分。【结果】以豆瓣网数据集为例,所提方法的评分预测误差与其他推荐方法相比整体偏小,在评估指标MAE(1.0031)和RMSE(1.2160)上表现最优,达到MAE和RMSE最优值时所需邻居数(20)最少。【局限】由于要结合显式反馈信息与隐式反馈信息共同计算长短期兴趣值,因此所提方法的计算复杂度较高。【结论】所提方法能够准确捕捉用户兴趣的动态变化,有效降低评分预测误差,提高推荐准确度。