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:
传统的协同过滤算法只根据用户对资源的评分单方面地挖掘用户兴趣,未能对用户兴趣进行划分,忽略了用户兴趣随时间推移发生的变化,影响了推荐质量.为解决上述问题,提出一种能适应用户兴趣变化和有效挖掘用户兴趣的推荐算法.在传统协同过滤算法基础上考虑了标签对推荐的影响,通过标签聚类将用户的兴趣进行划分,并在标签和用户评分2个方面对目标用户的相似用户进行二重选择.考虑到用户可能会因时间的推移发生兴趣变化,在计算标签和评分权重时融入了时间因子,以对其在时间维度上进行修正.实验结果表明,改进后的算法能更好地挖掘用户兴趣,适应用户的兴趣变化,提高推荐精度.
推荐文章
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
基于标签分类的协同过滤推荐算法
协同过滤
矩阵分解
交替最小二乘法
迭代投影寻踪
监督学习
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
基于标签优化的协同过滤推荐算法
标签
拓展近邻
协同过滤
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 基于标签聚类和兴趣划分的协同过滤推荐算法
来源期刊 计算机工程 学科 工学
关键词 推荐系统 协同过滤 标签聚类 兴趣划分 用户兴趣
年,卷(期) 2017,(11) 所属期刊栏目 人工智能及识别技术
研究方向 页码范围 146-151,160
页数 7页 分类号 TP391
字数 5922字 语种 中文
DOI 10.3969/j.issn.1000-3428.2017.11.024
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 李敬兆 安徽理工大学计算机科学与工程学院 154 567 12.0 17.0
5 杨大禹 安徽理工大学计算机科学与工程学院 12 47 4.0 6.0
9 谭大禹 安徽理工大学计算机科学与工程学院 8 33 3.0 5.0
10 朱东郡 安徽理工大学计算机科学与工程学院 3 14 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (82)
共引文献  (91)
参考文献  (15)
节点文献
引证文献  (8)
同被引文献  (10)
二级引证文献  (10)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(9)
  • 参考文献(0)
  • 二级参考文献(9)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(11)
  • 参考文献(2)
  • 二级参考文献(9)
2011(11)
  • 参考文献(2)
  • 二级参考文献(9)
2012(8)
  • 参考文献(1)
  • 二级参考文献(7)
2013(10)
  • 参考文献(2)
  • 二级参考文献(8)
2014(14)
  • 参考文献(3)
  • 二级参考文献(11)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(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)
2018(3)
  • 引证文献(3)
  • 二级引证文献(0)
2019(11)
  • 引证文献(5)
  • 二级引证文献(6)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
推荐系统
协同过滤
标签聚类
兴趣划分
用户兴趣
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
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导