文献类型：期刊文章

作　　者：吕学强[1] 王腾[1] 李雪伟[2] 董志安[1]

Lyu Xueqiang;Wang Teng;Li Xuewei;Dong Zhi’an(Beijing Key Laboratory of Internet Culture&Digital Dissemination Research,Beijing Information Science&Technology University,Beijing 100101,China;China Film Science&Technology Research Institute,Beijing 100086,China)

机构地区：[1]北京信息科技大学北京网络文化与数字传播研究重点实验室,北京100101 [2]中国电影科学技术研究所,北京100086

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61271304;61671070);北京成像技术高精尖创新中心项目(BAICIT-2016003);国家社会科学基金重大项目(14@ZH036;15ZDB017);国家语委重大课题项目(ZDA125-26)

年　　份：2018

卷　　号：35

期　　号：3

起止页码：717-720

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对基于内容的推荐算法中,内容相似度计算精度低、用户兴趣漂移等问题,提出一种结合影评内容相似度和长短期兴趣模型来计算电影相似度的推荐方法。算法利用TextRank、Word2Vec等技术和模型对影评进行关键词抽取和词向量构建,同时基于Word2Vec训练结果进行电影内容相似度计算,一定程度上解决了近义词、网络词等带来的准确率下降问题;然后基于长短期兴趣漂移模型,统计用户对不同内容属性的偏好权重,并随时间窗口动态计算电影相似度矩阵,缓解了用户兴趣随时间漂移而改的问题;最后根据不同推荐策略获得推荐结果。实验结果证明,该算法比对比方法正确率提高了5%左右,同时兴趣模型提取了用户长短期兴趣标签,在工业界及基于标签的算法等场景中都具有很高的实用价值。

关 键 词：个性推荐  词向量模型  用户偏好 兴趣漂移 聚类 集合相似度  

分 类 号：TP391] TP301.6[计算机类]