10.3969/j.issn.1000-386x.2022.09.047
基于用户偏好置信度的增强贝叶斯个性化排序算法
针对贝叶斯个性化排序(Bayesian Personalized Ranking,BPR)模型只考虑到用户单类反馈和用户偏好反映程度过低的问题,提出一种基于用户偏好置信度的增强贝叶斯个性化排序算法.通过量化获取各种反馈行为的权重,根据用户反馈行为的类型和时间计算用户偏好置信度,根据置信度建立用户对互动过的商品的偏序对.将该偏序对与用户对互动过的商品和未互动过的商品的偏序对结合,一起训练模型.在数据集中进行仿真实验,并与相关算法进行对比.实验结果表明该推荐算法具有较好的性能.
隐式反馈、置信度、用户偏好、贝叶斯个性化排序
39
TP3(计算技术、计算机技术)
2022-10-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
316-320,349