融入属性信息的度量分解图书推荐模型研究

[目的/意义]旨在利用属性信息优化图书推荐模型,提升模型个性化推荐能力。[方法/过程]充分挖掘读者、书籍属性信息对读者偏好的影响,提出一种融入属性信息的度量分解模型,将读者、书籍置入度量空间,利用属性重构偏好向量,通过学习度量距离约束偏好向量分布以生成预测评分,实现个性化书籍推荐。在Book-Crossing数据集中进行相关实验,评分预测能力。[结果/结论]该模型预测准确度优于对比的其他基线模型,准确度提升比率为7%-15%。