用户品味对个性化推荐的影响

在本文中,基于用户-对象二分网络的加权投影,我们研究了用户品味对基于质量扩散的个性化推荐算法的影响,其中用户的品味或兴趣由他收集的对象的平均度定义。我们认为,位于对象上的初始推荐能力应由其度数和用户品味共同决定。通过引入一个可调参数,研究了用户品味对初始推荐能力分布配置的影响。数值结果表明,所提出的算法可以提高以平均排名分数衡量的准确性,更重要的是,我们发现当数据稀疏时,算法应给予度数接近用户品味的对象更多推荐能力,而当数据稠密时,则应给予度数显著不同于用户品味的对象更多能力。