基于混合兴趣主题模型的推荐方法

摘要

针对跨领域项目推荐过程中用户兴趣稀疏造成的推荐冷启动问题，提出一种基于混合兴趣主题模型兴趣领域潜在狄利克雷分布（PA-LDA）的推荐方法。PA-LDA使用兴趣潜在狄利克雷分布（P-LDA）模块挖掘用户历史行为数据，生成关于目标项目中兴趣主题的概率分布，综合考虑主题和项目内容词对兴趣的影响进行参数估计建模，得到用户对目标项目的兴趣评价。PA-LDA使用领域潜在狄利克雷分布（A-LDA）得到领域对项目目标的兴趣评价，混合两类兴趣评价，使用top-k方法推荐目标项目。在EdX和GCSE两组真实数据集上进行实验，验证方法的有效性和准确性。研究结果表明：PA-LDA可以有效解释用户兴趣和领域兴趣对项目推荐的作用原理，实现多维领域推荐的兴趣特征捕捉，提升推荐的适应性与准确性。

关键词

主题模型 / 用户兴趣 / 领域兴趣 / 兴趣混合 / top-k推荐

基金资助

国家自然科学基金项目（71771111）