基于用户兴趣标签的混合推荐方法

随着数据挖掘技术的发展,个性化推荐系统在各个领域得到了广泛应用且取得良好的反馈,但依旧还有极大的发展空间。标签推荐系统存在推荐项目的个性化程度低、推荐系统受干扰信息影响大、以及标签本身存在的噪声和冗余问题。本文将用户的兴趣与标签相结合进行研究,通过设立用户长期兴趣标签和短期兴趣标签来表示用户兴趣的稳定性和动态性,这两个用户兴趣的性质能够解决标签本身的噪声问题,再通过最邻近方法使户兴趣的动态性得以更好的体现,且取用户兴趣的交集除去了标签的冗余,能够提高推荐系统的效率。本文最后利用余弦相似和多维向量距离计算公式计算相似度并排序输出结果。实验证明该算法可以有效提高推荐预测结果的精确程度。