基于动态社会行为和用户背景的协同推荐方法

• 作者: 修宇 汪千松 王忠群 皇苏斌 蒋胜
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 推荐精度 冷启动 社会化标签 用户背景信息 动态社会行为 时间权重
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 252-255,265
• 页数: 5页
• 分类号: TP391
• 字数: 6309字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.3.052

摘要

针对传统协同过滤推荐算法推荐精度低及冷启动的问题,提出了一种基于动态社会行为和用户背景的协同推荐方法.作为用户标注行为的结果,变化的标签体现了用户行为的动态性.该方法首先根据动态社会化标签得出用户的动态兴趣偏好相似度,然后根据用户背景信息计算出用户相似度,最后计算基于时间权重的用户评分相似度,并集成上述3个相似度找出最近邻居集,以为目标用户提供更加准确的个性化推荐.实验结果证明,该方法不仅能较好地解决数据稀疏和冷启动的问题,还能有效提高推荐算法的精确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王忠群	安徽工程大学计算机与信息学院	74	279	8.0	13.0
2	汪千松	安徽工程大学计算机与信息学院	26	78	5.0	8.0
3	皇苏斌	安徽工程大学计算机与信息学院	15	46	4.0	6.0
4	修宇	安徽工程大学计算机与信息学院	19	46	4.0	6.0
5	蒋胜	安徽工程大学计算机与信息学院	9	29	2.0	5.0