基于贝叶斯网络认知反馈的协同过滤推荐

• 作者: 焦明海 苏钟海 陈旭 陈晓芳
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 协同过滤 推荐模型 贝叶斯网络 认知反馈 用户满意度
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 智能控制技术及应用
• 页码范围: 1310-1317
• 页数: 8页
• 分类号: TP39
• 字数: 7719字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.160648

摘要

协同过滤模型和算法是电子商务平台推荐系统的主要方法,存在数据稀疏性和推荐精准性问题;另外,推荐系统也面临推荐服务的满意度评价问题.为此,提出基于贝叶斯网络和用户认知的动态反馈模型,首先利用贝叶斯网络模型计算用户-商品的匹配概率,对商品属性评分数据降维,减少数据稀疏性;其次构建商品推荐反馈模型,定义用户认知函数和商品属性权重,确定商品多属性因素影响条件下的权重度量方法,同时保留用户的认知评价信息,定义用户满意度评价指标商品推荐率,改进用户-商品评价相似度计算方法;最后给出推荐算法的流程.通过应用实例和两类用户评价数据集进行多种算法的实验验证比较,结果表明:模型与其他协同过滤算法相比,具有较高的用户推荐满意度和推荐预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈旭	东北大学工商管理学院	30	228	9.0	13.0
2	焦明海	东北大学计算机科学与工程学院	13	111	8.0	10.0
3	苏钟海	东北大学工商管理学院	4	12	2.0	3.0
4	陈晓芳	东北大学工商管理学院	1	6	1.0	1.0