基于协同过滤与注意力机制的个性化电影推荐研究
时小芳
向志华
广东理工学院 广东肇庆 526100
摘要：当前个性化电影推荐方法仅基于用户历史评分的均值进行简单加权推荐,难以捕捉用户偏好的复杂动态变化,导致推荐误差较大.因此,文章提出基于协同过滤与注意力机制的个性化电影推荐研究.通过图数据库导入用户观影行为数据以及电影的相关信息,构建用户-电影关系图,利用机器学习算法分析关系数据,实现对用户未来标注行为的预测.基于用户对电影目标信息的标注行为,建模用户的电影偏好.在此基础上,引入协同过滤模型,并结合注意力机制,生成针对特定用户的个性化偏好模型.借助自然语言处理与机器学习技术构建电影的多维度标签体系,并实现自动标签抽取.结合用户数据,构建偏好矩阵,并通过隐语义分析得到用户的偏好向量,进而生成个性化推荐列表.实验结果表明,所提方法在不同推荐列表长度下,各项关键指标均优于对比方法.特别是在NDCG值方面,随着K值的增大,所提方法仍保持最高的推荐质量,且平均绝对偏差被有效控制在0.3以下,证明该方法具有较高的推荐准确性.
关键词：协同过滤注意力机制用户偏好电影标签个性化电影推荐
资助基金：广东理工学院科技项目(2024KDZK001)
论文发表日期：2025-10-25
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( 69-72 )