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:
用户评分数据极端稀疏的情况下,传统相似性度量方法存在弊端,导致推荐系统的推荐质量急剧下降.针对此问题,提出了一种基于项目聚类的全局最近邻的协同过滤算法.该算法根据项目之间的相似性进行聚类,使得相似性较高的项目聚成一类,在项目聚类集的基础上,计算用户的局部相似度,使用一种新的最近邻用户全局相似度作为衡量用户间相似性的标准;其次,给出了一种利用重叠度因子来调节局部相似度的方法,以更准确地刻画用户之间的相似性.实验结果表明,该算法可以提升预测结果的准确性,提高推荐质量,特别是在数据较为稀疏时,改善尤为明显.
推荐文章
基于混合蛙跳联合聚类的协同过滤算法
推荐系统
协同过滤
联合聚类
数据填充
混合蛙跳
基于项目聚类和评分的时间加权协同过滤算法
协同过滤
同等对待
项目聚类
时间加权
最近邻居
准确性
基于评分支持度的最近邻协同过滤推荐算法
协同过滤
最近邻居
评分支持度
相似度
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
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 基于项目聚类的全局最近邻的协同过滤算法
来源期刊 计算机科学 学科 工学
关键词 推荐系统 协同过滤 聚类 全局相似性 重叠度因子
年,卷(期) 2012,(12) 所属期刊栏目 数据库与数据挖掘
研究方向 页码范围 149-152
页数 4页 分类号 TP391.4
字数 4286字 语种 中文
DOI
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 业宁 南京林业大学信息科学技术学院 83 805 16.0 24.0
2 韦素云 南京林业大学信息科学技术学院 8 167 5.0 8.0
3 张硕 南京林业大学信息科学技术学院 6 71 3.0 6.0
4 朱健 南京林业大学信息科学技术学院 3 62 2.0 3.0
5 黄霞 南京林业大学信息科学技术学院 2 62 2.0 2.0
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  (1)
节点文献
引证文献  (48)
同被引文献  (109)
二级引证文献  (272)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(9)
  • 引证文献(7)
  • 二级引证文献(2)
2015(23)
  • 引证文献(10)
  • 二级引证文献(13)
2016(29)
  • 引证文献(8)
  • 二级引证文献(21)
2017(60)
  • 引证文献(12)
  • 二级引证文献(48)
2018(80)
  • 引证文献(6)
  • 二级引证文献(74)
2019(89)
  • 引证文献(4)
  • 二级引证文献(85)
2020(29)
  • 引证文献(0)
  • 二级引证文献(29)
研究主题发展历程
节点文献
推荐系统
协同过滤
聚类
全局相似性
重叠度因子
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
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
总被引数(次)
150664
论文1v1指导