基于用户隐式兴趣模型的信息推荐

• 作者: 司书勇 李超阳 杨震
• 来源期刊: 山东大学学报（理学版）
• 学科: 工学
• 关键词: 信息推荐 个性化推荐 用户兴趣模型 隐语义模型 协同过滤
• 年，卷（期）: 2017,（1）
• 页码范围: 15-22
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6040/j.issn.1671-9352.1.2015.118

摘要

信息推荐技术能够帮助用户从海量网络信息中提取有用信息,因而得到研究者的广泛关注.通过建立用户隐式特征兴趣模型,即将用户- 行为矩阵分解为用户- 隐式兴趣- 行为矩阵,在充分挖掘用户隐式兴趣的基础上,研究并实现了基于隐式特征兴趣模型的协同过滤算法.在Movielens 语料集上进行测试的结果表明,隐式特征能够更加精准地表述用户兴趣,有效提升信息推荐性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨震	北京工业大学计算机学院	30	173	8.0	12.0
10	司书勇	北京工业大学计算机学院	2	21	2.0	2.0
11	李超阳	北京工业大学计算机学院	1	11	1.0	1.0