摘要
一种融合内容感知和特征相似度的推荐方法,涉及推荐系统与分布式计算的交叉技术领域,本发明首先对播放次数数据采用加权矩阵分解模型进行分解:将其分解为用户偏好矩阵的转置矩阵WT和项目(即音乐)属性矩阵H的乘积;考虑到项目(音乐)的特性,在加权矩阵分解中引入内容信息:采用对项目属性矩阵H重写的方式,具体为:采用内容特征zi对项目属性矩阵H重写得重写后的项目属性矩阵Hi,采用用户偏好矩阵的转置矩阵WT和重写后的项目属性矩阵Hi的乘积得预测矩阵A(WT×Hi);对项目(音乐)的音色和音高采用余弦相似度计算得到预测矩阵B,取融合因子对得到的预测矩阵A和预测矩阵B进行融合,即可得到推荐值F(μ,i),其具体表达式为F(μ,i)=θA(μ,i)+(1‑θ)B(μ,i),本发明可有效的解决推荐过程中的冷启动问题。