基于用户画像特征解决协同过滤中冷启动问题的个性化电影推荐方法
信息检索
2019-06-04 v1 社会与信息网络
摘要
随着Web 2.0的普及，与电影相关的海量用户生成内容被创建。随着这些数据持续指数级增长，由于人们难以做出知情且及时的决策，对推荐系统的需求不可避免。电影推荐系统协助用户发现下一个兴趣点或最佳推荐。在本文提出的方法中，作者利用通过评分得到的用户-物品交互所衍生的用户特征分数关系，优化推荐系统中所用预测算法的输入参数，以在过往用户记录较少时提升预测准确性。这解决了协同过滤的一大缺陷，即冷启动问题，相较基础协同过滤算法取得了8.4%的提升。用户特征生成与系统评估使用'MovieLens 100k dataset'数据集完成。所提系统亦可推广至其他领域。
引用
@article{arxiv.1906.00365,
title = {User Profile Feature-Based Approach to Address the Cold Start Problem in Collaborative Filtering for Personalized Movie Recommendation},
author = {Lasitha Uyangoda and Supunmali Ahangama and Tharindu Ranasinghe},
journal= {arXiv preprint arXiv:1906.00365},
year = {2019}
}