基于邻域用户模型的主题推荐研究

传统的基于用户兴趣主题的主题推荐中,由于数据的稀疏性以及对邻域好友之间的影响作用考虑不够深入,推荐的效果不佳。为了丰富目标用户的兴趣集,文章在基于本体的基本用户模型之上,引入邻域用户兴趣集,计算更新邻域主题兴趣度,根据获取的目标用户兴趣主题集来进行主题的匹配推荐。最后通过两个不同的数据集对模型进行推荐效果验证,结论表明文章所提出的用户模型的推荐效果是明显要优于传统用户模型。