%0 Journal Article %A 陈晓霞 %A 卢菁 %T 融合多数据源的动态自适应推荐算法 %D 2018 %R 10.19678/j.issn.1000-3428.0048497 %J 计算机工程 %P 64-69 %V 44 %N 9 %X

现有推荐系统的研究多数基于单一数据源、单一推荐算法或简单加性融合,忽略了数据源及算法动态融合的重要性,导致推荐精确度不高。为解决该问题,提出一种新的动态自适应推荐算法。利用基础数据求出艺术家流行度和时间衰减因子,将其作为推荐数据源,降低由数据 源单一导致的推荐误差。通过权重因子集成基于邻域方法和矩阵分解技术构建组合模型。将数据源应用于模型,运用固定步长的权重因子调整2种方法在模型中的占比,根据推荐结果的召回率实现动态自适应调整。在真实数据集上的实验结果表明,与简单加性融合、FSWA算 法相比,该算法具有较高的推荐精确度。

%U http://www.ecice06.com/CN/10.19678/j.issn.1000-3428.0048497