基于多重相似度和CatBoost的個性化推薦

摘要： 針對歷史數(shù)據(jù)稀疏性導(dǎo)致推薦算法預(yù)測精度低的問題，提出基于多重相似度分析和CatBoost的推薦算法。利用修正的余弦相似度函數(shù)求解項目元數(shù)據(jù)和評分?jǐn)?shù)據(jù)的相似矩陣并進(jìn)行融合；采用大規(guī)模信息嵌入網(wǎng)絡(luò)（large-scale information network embedding,LINE）對融合后的相似矩陣進(jìn)行多階相似性分析計算更精確的近鄰集；以此作為CatBoost的輸入預(yù)測項...