受长尾约束分布的多样性信息推荐技术

现有的推荐系统大多侧重于热点项目的推荐,难以全面覆盖所有用户的需求,为此,提出了一种受长尾约束分布的偏好多样性的推荐算法。在用户查询历史的基础上对其多样性偏好进行倾向度分析,构造与评价次数呈反比例关系的项目疲劳函数,并将其与矩阵分解相整合,通过多样倾向度对函数比重进行调节,提高冷门项目出现在推荐列表中的概率。实验结果表明,该算法能够在不影响准确率的前提下实现高度多样化的项目推荐。