基于内容和标签权重的混合推荐算法

摘要

cqvip:传统的基于内容的推荐算法虽然在解决可解释性问题及冷启动问题时有一定的优势,但是由于对大部分的物品的内容特征信息提取困难,难以得到广泛的应用。论文直接利用标签作为物品的内容信息,生成关键词向量,省去了对各种非结构化数据内容的复杂提取过程,解决了基于内容的推荐算法提取信息困难这一问题,同时引入标签权重,不仅避免了不同物品侧重点不同对推荐结果的影响,而且能进一步提高了推荐算法的准确性。在计算过程中为了减小时间复杂度,对推荐系统中传统的倒排表方法做出了适应标签权重的改进,且在计算得到Top-N推荐列表时对数据进行了预处理。