基于分层兴趣重叠社区的个性化推荐

本体用户配置文件描述了用户的结构语义兴趣。 研究用户个人资料之间的相似关系对于检测兴趣重叠的社区至关重要。 新颖的观点假设,用户简档的分层兴趣可以生成多个相似关系,这有利于形成兴趣群。 在这项研究中,我们开发了一种层次化的兴趣重叠社区(HIOC)检测方法,并提出了一种个性化的推荐模型。 首先,计算用户简档之间的内容兴趣接近度和语义兴趣接近度,以测量用户的多粒度主题相似度。 然后,利用多粒度主题相似度并遵循用户相似度,构建异构超图来表示兴趣网络。 通过应用兴趣密度峰值机制,采用HIOC检测方法来识别兴趣社区。 此外,通过考虑社区中用户的成员资格和社区中分布的主题来实现个性化兴趣预测。 最后,我们在多个真实网络上验证了HIOC检测算法的性能,并验证了所提出推荐方法的有效性。 实验结果表明,该方法在准确性和查全率方面均优于经典推荐方法。