基于蚁群聚类的二部图网络推荐算法

二部图网络推荐算法是近几年研究较多的推荐算法,但在进行资源分配时都是基于全部用户的资源,大量不相干的用户使得用户间的耦合度下降,影响推荐质量。针对该问题,文中利用蚁群聚类算法基于用户进行聚类,后根据项目一定半径内的项目集合进行二部图网络推荐,实验结果显示在一定条件下该算法相比原来算法有较好的推荐性能,表明该算法在一定的条件下能降低耦合度过低的影响。

改进PersonalRank算法进行个性化推荐

PersonalRank就是一种基于随机游走的图推荐算法。传统的PersonalRank算法是在PagePank算法的基础上进行了改进,但依旧存在个性化推荐召回率和准确率不高,过度偏重同物品中其他用户操作的问题,导致覆盖率不高。现针对PersonalRank问题,文章从推荐系统评测指标的覆盖率、召回率和准确率三个维度出发,加强算法发掘长尾的能力,同时提高推荐结果的用户满意度。