基于聚類層次模型的視頻推薦算法

　目前推薦系統(tǒng)存在評(píng)論數(shù)據(jù)稀疏、冷啟動(dòng)和用戶體驗(yàn)度低等問(wèn)題，為了提高推薦系統(tǒng)的性能和進(jìn)一步改善用戶體驗(yàn)，提出基于聚類層次模型的視頻推薦算法。首先，從相關(guān)用戶方面著手，通過(guò)近鄰傳播（AP）聚類分析得到相似用戶，從而收集相似用戶中的歷史網(wǎng)絡(luò)視頻數(shù)據(jù)，進(jìn)而形成視頻推薦集合；其次，利用用戶行為的歷史數(shù)據(jù)計(jì)算出用戶對(duì)視頻的喜好值，再把視頻的喜好值轉(zhuǎn)換成視頻的標(biāo)簽權(quán)重；最后，通過(guò)層次分析模型算出視頻推薦集合中用戶喜好視頻的排序，產(chǎn)生推薦列表。基于MovieLens Latest Dataset和YouTube視頻評(píng)論文本數(shù)據(jù)集，實(shí)驗(yàn)結(jié)果表明所提算法在均方根誤差和決策精度方面均表現(xiàn)出良好的性能。