论文部分内容阅读
在最近的工作中,提出个性化推荐算法,它在准确性和多样性两个方面有很高的绩效。该方法是基于两个单算法概率扩散和热传导的杂交,它们分别是倾向于推荐受欢迎和不受欢迎的产品。凭着可调参数,可以在系统层面实现这两种算法之间的最佳平衡。该文中,在个人层面应用这种混合方法,即每个用户都可以调整他/她自己的个性化的混合参数。有趣的是,笔者发现用户在个性化混合参数和推荐绩效方面相当的不同。如果给每个用户分配最佳的个性化混合参数,那么推荐绩效就会有显著的提高。此外,在收集的项目中笔者发现用户的个性化参数与用户个人等级呈