基于后融合单体混合推荐系统用于向用户推荐相关电影
信息检索
2025-08-27 v3 机器学习
摘要
推荐系统已成为帮助用户获取信息的基本服务。通常，推荐系统通过过滤历史行为来理解和学习用户偏好。随着在线信息的增长，推荐在信息过滤中变得至关重要，以防止信息过载问题。在本研究中，我们考虑两种协同过滤方法的混合后融合，采用观看电影序列并考虑相关电影评分。 After考虑两种技术并应用权重矩阵，推荐结果将根据需要相应于用户偏好进行修改。我们讨论了各种权重的设置方式。例如，在大多数情况下都有评分时，我们会给予评分矩阵更高的权重；而在评分不可用的情况下，可能更高地分配给序列数据集。本文对此进行了广泛讨论。观看电影的序列类型与评分结合使用，尤其是因为该模型在区分用户长期偏好方面可能不足，而且不考虑已观看电影的评分，因此单独使用该模型可能不够。对文献和方法论方法进行了广泛讨论，以解决此问题。
引用
@article{arxiv.2412.01835,
title = {Post-fusion monolithic hybrid recommender system for suggesting relevant movies to users},
author = {Mahdi Rezapour},
journal= {arXiv preprint arXiv:2412.01835},
year = {2025}
}