基于改进协同过滤的视频推荐算法研究

针对视频推荐领域因用户评分数据极度稀疏以及推荐不准确而导致的用户体验度低的问题,论文提出一种基于网络用户兴趣和视频标签的算法。首先,将用户具体行为数据纳入考量,为行为赋值,用用户兴趣矩阵取代用户项目评分矩阵。接着对视频标签进行分析,引入权重因子,加权计算视频相似度,获取相似视频候选集。最后对目标用户进行TopN推荐。经过实验,论文的改进算法准确率在MovieLens数据集上提高了15%。