论文部分内容阅读
在基于内容的推荐系统中，初始用户模板的准确性对后面的推荐精度有很大影响。因此，在系统初始时，必须从少量用户信息中准确地提取出用户兴趣模板，尽可能减少噪声的引入。否则会在后期更新模板时产生偏移性问题，造成推荐的不准确。针对此问题，文中提出了一种基于TextRank算法建立初始模板的方法。首先对所拥有的少量用户感兴趣文本进行预处理并确定词义项，然后进行聚类，接下来对聚类得到的每个类别分别以义项为单位构建TextRank模型，并引入相似度影响因子、共现度影响因子、类权重影响因子对TextRank模型中的概率转移