基于图像和GM-PLSA模型的物品推荐方法

针对G-PLSA(Gaussian Probabilistic Latent Semantic Analysis)推荐模型中存在的新物品问题,提出了基于GM-PLSA(Gaussian Multinational Probabilistic Latent Semantic Analysis)模型的物品推荐方法;该方法将物品的图像内容特征用于物品推荐,有效解决了新物品问题和文本描述物品外观存在歧义性问题。同时,针对推荐结果的总体多样性问题,提出了ITRM(Improved Traditional Ranking Model)排序模型;该模型能够保证一定准确性的前提下有效提高推荐结果的总体多样性,且该模型具有参数化的优点。实验结果表明,本文提出的方法能有效提高物品推荐系统的推荐性能。