基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
许多播客推荐机制一般根据整体点击次数来向用户推荐节目,但是一些点击次数很高的节目未必就是某类用户所喜欢的,因而推荐的节目对用户的喜好针对性不是很强.为了提高推荐节目对用户喜好特点的针对性,提出基于用户聚类的节目推荐.对用户在播客平台上的采集数据进行聚类分析后,把用户归为某一类型,并把该类型的所有节目根据点击次数多少存放入相应的推荐表.在用户下次登录时,根据其所属用户类型从推荐表中选出其最可能观看的尚未浏览的节目.试验结果证明,该播客推荐系统能很好地根据用户的喜好特点来进行针对性节目推荐.
推荐文章
基于用户可信度聚类的协同过滤推荐模型
协同过滤
用户可信度
动态聚类
基于用户兴趣模型聚类的协同过滤推荐算法
协同过滤
推荐系统
用户兴趣模型
推荐算法
结合用户聚类和评分偏好的推荐算法
协同过滤
降维
聚类
用户偏好
推荐系统
结合用户兴趣度聚类的协同过滤推荐算法
协同过滤
推荐算法
用户兴趣
K-means聚类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于用户聚类的播客节目推荐
来源期刊 计算机应用与软件 学科 工学
关键词 播客 用户聚类 节目推荐
年,卷(期) 2009,(3) 所属期刊栏目 基金项目论文
研究方向 页码范围 7-10
页数 4页 分类号 TP3
字数 4363字 语种 中文
DOI 10.3969/j.issn.1000-386X.2009.03.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈剑波 上海交通大学信息安全工程学院 28 351 9.0 18.0
2 齐开悦 上海交通大学信息安全工程学院 28 212 7.0 13.0
3 陈超 上海交通大学信息安全工程学院 52 259 8.0 14.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (6)
同被引文献  (12)
二级引证文献  (15)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(2)
  • 引证文献(1)
  • 二级引证文献(1)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(7)
  • 引证文献(0)
  • 二级引证文献(7)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(3)
  • 引证文献(3)
  • 二级引证文献(0)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
播客
用户聚类
节目推荐
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导