基于判断聚合模型的推荐系统冷启动问题研究

推荐系统是目前解决用户信息过载的主要工具,协同过滤算法是推荐系统中应用最为广泛的技术,它主要依赖用户已有的历史数据为其寻找有相似的其他用户,然而,当遇到新用户第一次访问的情况下,这类技术一般很难给出恰当的推荐,这就是著名的用户冷启动问题。运用判断聚合理论的技术手段把已有用户的行为数据聚合成为集体判断集,然后将这个集体判断集推送给新用户,新用户根据自身的偏好购买感兴趣的物品,这一方法既解决了新用户的冷启动问题,又丰富和拓展了推荐系统的功能。