基于協(xié)同過濾模型的移動應用混合推薦算法

隨著移動應用的急速增長，手機助手等移動應用獲取平臺也面臨著信息過載的問題．面對大量的移動應用，用戶很難找到最適合的；而另一方面，長尾應用淹沒在資源池中不易被人所知．已有推薦方法多注重推薦準確率，忽視了多樣性，推薦結果中多是下載量高的應用，使得推薦系統(tǒng)的數(shù)據(jù)積累越來越偏向于熱門應用，導致長期的推薦效果越來越差．針對這一問題，首先改進了兩種推薦方法，提出了將用戶的主題模型和應用的主題模型與MF相結合的LDA MF模型，以及將應用的標簽信息和用戶行為數(shù)據(jù)同時加以考慮的LDA CF算法．為了結合不同算法的優(yōu)點，在保證推薦準確率的條件下提升推薦結果的多樣性，提出了融合LDA—MF，LDA_ CF以及經(jīng)典的基于物品的協(xié)同過濾模型的混合推薦算法．使用真實的大數(shù)據(jù)評測所提推薦算法，結果顯示，所提推薦方法能夠得到推薦多樣性更好且準確率更高的結果．