基于用户购买意愿力的协同过滤推荐算法

来源：吉林大学学报·理学版杂志2021年第6期北京时间：

作者：刘军, 杨军, 宋姗姗

单位：吉林大学 计算机科学与技术学院, 长春 130012

摘要：针对网购行为中商品浏览量排名靠前而销量滞后的问题, 在用户购买意愿力的基础上,提出一种增强评分矩阵协同过滤推荐算法. 首先, 利用惩罚因子作为增强型矩阵的评价权重, 加权表征用户购物意愿力的商品画像, 取得增强型矩阵的预测评分； 其次, 融合以基于项目的协同过滤推荐, 建立由潜在兴趣商品间的项目相似度矩阵得到的基础型评分矩阵； 最后, 以TOP-N结果向购买意愿较强的目标用户推荐排名靠前的商品. 实验结果表明: 与传统基于项目的协同过滤推荐算法相比, 增强评分矩阵协同过滤推荐算法的推荐准确率提升2.48%,召回率提升4.31%, 综合值F1提升3.19%, 从而有效解决了用户感兴趣商品排名靠后, 且不被购买或购买次数较少的问题, 以达到购买意愿力较强、 目标用户更准的推荐宗旨, 进而提高推荐精度.

关键词：相似度,惩罚因子,推荐精度,协同过滤,推荐算法