机构名称：
¥ 1.0
摘要 - 传统的推荐系统遭受概念漂移的困扰 - 一种假定用户偏好随着时间而言是静态的现象。为了解决此问题，需要使用推荐算法来考虑用户偏好的时间敏感变化并提供相关建议。这项研究工作提出了一个基于合奏的混合推荐系统，该系统结合了用户兴趣的时间变化。提出的系统结合了不同的算法，例如受欢迎程度，聚类，协作矩阵分解和奇异价值分解（SVD）。然后，使用人工神经网络（ANN）将从这些单个模型获得的电影建议合并并分类。用户对提出的建议的反馈，这有助于计算每批建议的相关因素。最后，向用户提供了相关的电影建议。在相关因素较低的情况下，建议将重新分类。提议的系统的目的是根据用户的时间敏感偏好为用户提供各种建议。提出的研究的新颖性是整合了普遍的建议策略以及用户反馈机制在提出的建议中的结合。所提出的系统是在标准电影数据集Movielens-25m上实现的，并使用RMSE和MAE等统计性能指标进行评估。这项工作说明了建议质量的提高以及对改变用户偏好的适应性。实验表明，将人工神经网络作为集合混合建议模型的分类器的整合在提供0.56和0.43作为RMSE和MAE值的相关建议方面表明了有希望的结果。
使用基于合奏的机器学习方法增强电影推荐
主要关键词
相关文件推荐
