协同过滤系统中基于种子集评分的新用户冷启动推荐研究

认为建立种子集引导用户评分是解决协同过滤推荐系统新用户冷启动问题的方法之一。尝试将关联度引入种子集的构建策略,提出基于多属性综合评价的种子集策略,并利用公开数据集MovieLens设计实验,模拟推荐系统的新用户环境,对比不同种子集策略的预测准确度和成功率。实验结果表明,在更符合实际推荐系统需求的少量种子集情况下,考虑种子之间的关联性可以改善推荐效果。

推荐系统冷启动问题研究进展

文章从冷启动问题的基本应对策略、冷启动问题的具体应对方法和特定领域的冷启动问题3个方面梳理相关研究,发现对于各类冷启动问题已形成基本应对策略;主要方法包括基于内容和/或协作式过滤的方法、基于辅助数据的方法、基于用户参与的方法等;多媒体信息推荐、标签推荐和跨领域推荐等领域中的冷启动问题值得关注;混合式方法的应用、情境信息与关联数据的应用、基于知识图谱的推荐方法与跨领域推荐方法的应用是需要深入研究的方向。