一种基于Hellinger距离的自适应推荐方法和系统

本发明公开了一种基于Hellinger距离的自适应推荐方法和系统，提出一种新的推荐校准模型。该模型使用Hellinger距离重构用户历史数据集累计分布与其推荐列表类别累计分布之间的差异，并且根据用户活跃度自适应生成的参数调整目标函数。对比传统的KL散度模型，消除了模型不对称以及用户“冷启动”问题。在为用户生成推荐列表时，基于亚模函数利用贪心算法进行求解，通过在两个真实数据集上的实验，本文所提出推荐校准模型在性能上表现更好。