摘要： 【目的/意义】针对不同主题下资源数量的差异对用户兴趣建模存在影响的问题，提出一种基于主题热度的 兴趣建模策略，提升模型的预测能力与推荐系统的推荐效果。【方法/过程】以主题下不同资源的数量代表该主题的 热度，以此对用户兴趣特征进行调权处理，并在此基础上利用向量空间模型进行兴趣表示。以抓取的“豆瓣电影” 675351 位用户的观影数据进行推荐实验，验证本文策略的效果。【结果/结论】实验结果显示，基于主题热度调权的 兴趣建模方法的推荐准确率明显高于传统基于绝对频次的兴趣建模方法，该策略可以提升用户兴趣建模效果。
