摘要：针对推荐系统中数据稀疏问题，利用用户与产品之间的标签信息，提出了一种基于标签属性的物质扩散推荐算法。通过构建用户—产品标签和产品—用户标签二部图网络，分别计算产品对用户标签属性和用户对不同类型产品的推荐偏好特征向量，据此改进物质扩散算法中的资源分配方式。在MovieLens电影评分数据集上的对比实验结果表明，该算法在精准率、召回率、F1系数和多样性上都有一定程度的提高。
文章目录
1 基于标签属性的物质扩散推荐算法
1.1 物质扩散算法
1.2 推荐系统四部图网络
1.3 基于标签属性的物质扩散算法
2 实验结果与讨论
2.1 实验数据集
2.2 评价指标与评价方法
2.3 实验结果分析
3 结论
