基于贝叶斯网络认知反馈的协同过滤推荐

来源期刊：控制工程2017年第7期

论文作者：焦明海 陈晓芳 陈旭 苏钟海

文章页码：1310 - 1317

关键词：协同过滤;推荐模型;贝叶斯网络;认知反馈;用户满意度;

摘    要：协同过滤模型和算法是电子商务平台推荐系统的主要方法,存在数据稀疏性和推荐精准性问题;另外,推荐系统也面临推荐服务的满意度评价问题。为此,提出基于贝叶斯网络和用户认知的动态反馈模型,首先利用贝叶斯网络模型计算用户-商品的匹配概率,对商品属性评分数据降维,减少数据稀疏性;其次构建商品推荐反馈模型,定义用户认知函数和商品属性权重,确定商品多属性因素影响条件下的权重度量方法,同时保留用户的认知评价信息,定义用户满意度评价指标商品推荐率,改进用户-商品评价相似度计算方法;最后给出推荐算法的流程。通过应用实例和两类用户评价数据集进行多种算法的实验验证比较,结果表明:模型与其他协同过滤算法相比,具有较高的用户推荐满意度和推荐预测精度。