一种融合混合协同过滤与CNN的图书推荐算法
王莎莎
信阳师范大学 河南信阳 464000
摘要：随着电子阅读时代的到来,数字化资源海量涌现.然而,这也导致读者在寻找感兴趣图书时,时间成本大幅攀升.如何提升推荐系统的准确性和个性化程度成为学术界亟待解决的问题.传统的推荐算法如基于用户的协同过滤和基于物品的协同过滤针对不同的场景各显优势.但传统的单一协同过滤方法因无法满足用户的复杂要求在解决用户偏好稀疏性、冷启动等问题时存在较大局限性.基于此,文章提出了一种融合用户协同过滤、物品协同过滤与卷积神经网络的图书推荐算法,通过结合用户与物品的多层次特征,提升推荐系统的准确性.为了验证文章所提方法的有效性,研究团队在Book-Crossing数据集上,将该方法与传统推荐方法展开对比实验.实验结果表明,相较于传统方法,所提方法在推荐精度、覆盖率等多个关键指标上均展现出更为良好的推荐性能,能够显著提升推荐服务的质量.
关键词：图书推荐协同过滤卷积神经网络数据稀疏性冷启动问题
资助基金：河南省哲学社会科学规划项目(2023BZH008)
论文发表日期：2025-04-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 52-55 )