用戶興趣偏好影響的物質(zhì)擴(kuò)散推薦算法

　　針對產(chǎn)品的異質(zhì)性沒有在推薦算法中得到很好利用的問題，提出一種考慮產(chǎn)品流行度對用戶興趣偏好影響的物質(zhì)擴(kuò)散算法。通過模擬物質(zhì)在用戶一產(chǎn)品二部分網(wǎng)絡(luò)上的擴(kuò)散過程，并且引入產(chǎn)品流行度的可調(diào)參數(shù)，對產(chǎn)品流行度的影響進(jìn)行定量刻畫。在三個真實(shí)數(shù)據(jù)集上進(jìn)行數(shù)值實(shí)驗(yàn)結(jié)果表明，該算法與經(jīng)典的物質(zhì)擴(kuò)散算法相比，MovieLens、Netflix和Last．FM數(shù)據(jù)集上的平均排序打分可以分別提高25. 60%、10. 96%和1.2%；推薦列表多樣性分別提高59. 30%、53. 07%和8.59%。所提出的非平衡的物質(zhì)擴(kuò)散算法所得到的結(jié)果更切合實(shí)際。