论文部分内容阅读
当今互联网中海量的信息使得人们难以在搜索结果列表中进行选择。推荐算法是解决这类信息过载问题的有效方法。而推荐列表的排序直接影响推荐的精度。本文研究推荐列表的排序问题,提出构建用户-对象的二分图模型,在此图上应用资源分配动力学算法学习出各个用户和对象的推荐相关度。通过约束与平滑各个用户和对象的相关度,提出的算法比现有方法在推荐精度上提高了20%。