基于区间型符号数据的群组推荐算法研究

• 作者: 史志奇 宁静 郭均鹏
• 来源期刊: 计算机应用研究
• 关键词: 群组推荐 符号数据分析 聚类分析
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 67-71
• 页数: 5页
• 分类号: TP391|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.01.016

摘要

传统群组推荐算法基于点数据描述群组用户模型,存在着信息缺失、很难统筹考虑所有个体用户的需求等问题.针对该问题,对个体评分数据按照符号数据分析的思想进行“打包”,将群组成员的评分信息汇总为区间型符号数据.在Hausdorff距离基础上,采用区间内部点数据的描述统计量,提出了一种全新的区间数距离度量方法,并利用这种距离对区间型符号数据描述的群组实施K-均值聚类,由此确定相似群组,最后通过最近邻的评分预测目标群组的评分.将这种全新的群组推荐算法与传统方法进行推荐精度与效率的对比实验,结果表明,在各种实验条件下,基于区间型符号数据的群组推荐算法均优于传统点数据的群组推荐算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭均鹏	天津大学管理与经济学部	63	898	17.0	27.0
2	宁静	天津大学管理与经济学部	3	29	2.0	3.0
3	史志奇	天津大学管理与经济学部	2	18	1.0	2.0