用户-电影网中基于属性和用户偏好的推荐方法比较研究

针对经典的基于物品的协同过滤和基于用户的协同过滤没有考虑物品的属性和用户的偏好,提出了两种新的推荐方法,即基于物品属性推荐和基于用户偏好推荐,并将其应用于用户-电影网.根据推荐准确率、召回率、新颖性和多样性等度量指标,将提出的方法与经典的推荐方法进行了比较.模拟结果表明,推荐方法的性能与推荐列表长度有关,随着推荐列表长度的增加,四种推荐方法的召回率和新颖性都呈上升趋势,多样性都呈下降趋势,并且就推荐新颖性和多样性而言,提出的方法优于经典的推荐方法;就准确率而言,相对于其他三种方法的推荐准确率随推荐列表长度的增加一直呈下降趋势,基于用户偏好推荐的准确率先上升,后下降,效果较好.整体来看,提出的两种推荐方法能够高效和准确地向用户推荐合适的物品.