基于用户画像和链路预测的电影个性化推荐研究

当今电影市场上海量的影片资源使用户面临选择困境,高效的电影推荐系统对提升用户体验以及电影服务商的市场竞争力具有重要作用.如何融合多种数据源进行个性化推荐,在提升算法精度的同时平衡多样性是电影推荐系统面临的挑战,针对该问题的研究具有重要的理论和现实意义.用户画像可以从多维度刻画丰富的用户特征,更好地理解用户兴趣和行为,链路预测从网络拓扑结构视角建模具有独特优势,二者的融合为解决上述问题提供了可能性.为此,该研究提出了一种基于用户画像和链路预测的电影个性化推荐算法.该算法以电影推荐为背景,区分了用户的行为和领域兴趣相似性,融合多源数据构建用户画像,作为网络外部信息融入链路预测过程中,有助于提升算法精度.此外,算法还从稀缺性视角改进了二分图投影中用户兴趣相似性的计算,同时衡量了链接在推荐中的促进或抑制作用强度,使推荐结果更加新颖和个性化,流行度偏差问题得到一定程度的改善.最后,文章基于两个MovieLens数据集对提出的推荐算法进行了实验验证,结果表明与代表性算法相比,文章提出的算法不仅在准确性上有显著提升,在与多样性相关的指标上也有明显的优势.此外,抽象出的用户画像能够帮助推荐平台了解其用户群,从而制定出更为科学的营销与管理策略.