一种改进的用户隐式反馈协同过滤推荐算法

来源期刊：北方工业大学学报2020年第5期

论文作者：何丽 麻强

关键词：隐式反馈;协同过滤算法;权重;AHP;ALS;SPARK;

摘    要：传统推荐算法一般通过显式评分来判断用户是否喜欢某商品,利用真实评分会取得较好的推荐结果.但在现实生活中,用户产生的真实评分较少,容易导致数据稀疏问题,从而影响推荐的准确性.针对此问题,本文提出了一种改进的用户隐式反馈协同过滤推荐算法,将用户的隐式反馈数据通过AHP加权算法转换成显示评分,并在加权处理中融入每个用户每种行为的购买率,计算出的权值更能代表每个用户的行为特点.本实验基于SPARK大数据平台,使用ALS算法进行协同过滤推荐,并在京东算法大赛中提供的用户隐式反馈数据集上进行训练,实验结果表明,该方法能有效缓解数据稀疏性问题,并能有效提高推荐的准确率.