论文部分内容阅读
研究用户优化服务算法问题，应为用户提供个性化的推荐服务的系统。Top—N推荐问题，是指通过对用户历史偏好信息的挖掘，给每个用户推荐N个最可能喜好的内容。针对上述问题，提出了一种面向排序的推荐算法EIBRO—MF，通过融合系统中的显式和隐式反馈数据，建立用户喜好的偏序对关系来训练协同过滤的参数模型，最后利用优化的模型参数给出推荐结果。仿真结果表明，与传统的协同过滤算法、以及只能利用隐式反馈数据的排序算法相比，提出的算法能大幅提高推荐列表的排名精准度。