基于Web挖掘的类别推荐算法

• 作者: 庞淑侠 王珍娟
• 来源期刊: 兰州理工大学学报
• 学科: 工学
• 关键词: 协同过滤 类别 推荐 Web挖掘
• 年，卷（期）: 2010,（6）
• 页码范围: 99-101
• 分类号: TP311.134
• 字数: 2385字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5196.2010.06.024

摘要

使用基于类别的用户点击率的统计方法,对传统的协同过滤推荐算法进行改进.该方法根据用户的点击率和项目特点,将概念分层细化,从而改进用户-项目矩阵中存在的稀疏问题.该方法不但能形成准确推荐,而且可以预测该类用户的未来推荐模式.采用Minnesota大学的MovieLens数据集进行实验,实验结果表明,改进的推荐算法与传统的协同过滤推荐算法相比,在用户较集中的区域,其推荐精度明显较高,更重要的是当用户数据增多时,改进的算法有较强的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王珍娟	兰州理工大学电气工程与信息工程学院	8	25	3.0	5.0
2	庞淑侠	兰州理工大学计算机与通信学院	7	11	2.0	3.0