Resumen

Abordando el problema de que el modelo único del sistema de recomendación tradicional no puede capturar con precisión las preferencias de los usuarios, este artículo propone un sistema de recomendación de películas híbrido y un método de optimización basado en clasificación ponderada y algoritmo de filtrado colaborativo de usuarios. Se utiliza un modelo lineal disperso como modelo de recomendación básico, y el modelo de recomendación local se entrena en función del agrupamiento de usuarios, y la recomendación personalizada de las principales películas se realiza mediante la fusión con el modelo de clasificación ponderada. De acuerdo con la preferencia de categoría de ítems, la matriz de puntuación se convierte en una matriz de preferencia de categoría de ítems densa y de baja dimensionalidad, se obtienen múltiples centros de agrupamiento, se calcula la distancia entre el usuario objetivo y cada centro de agrupamiento, y se clasifica al usuario objetivo en el grupo más cercano. Finalmente, se utiliza el algoritmo de filtrado colaborativo para predecir las puntuaciones de los ítems no calificados del usuario objetivo y formar una lista

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Sistema de recomendación; Híbrido; Método de optimización; Clasificación ponderada; Algoritmo de filtrado colaborativo de usuarios; Preferencia de categoría de ítems
• Keywords:Recommendation system; Hybrid; Optimization method; Weighted classification; User collaborative filtering algorithm; Item category preference