概率粗糙集模型在推荐算法中的应用

• 作者: 王红 陈功平
• 来源期刊: 山东农业大学学报（自然科学版）
• 学科: 工学
• 关键词: 概率粗糙集 推荐算法 参数学习
• 年，卷（期）: 2017,（2）
• 页码范围: 192-198
• 页数: 7页
• 分类号: TP301
• 字数: 5044字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2324.2017.02.006

摘要

推荐算法能够挖掘用户的潜在兴趣将项目自动地推荐给客户,是解决信息过载的智能手段之一.由于网络中的用户数和项目数较多,评分矩阵的稀疏性严重影响了推荐效果,推荐的先验知识缺失严重.粗糙集是一种可以使用不完备的知识实施推理的有效方法,使用概率粗糙集的α、β阈值合理划分边界域,生成推荐策略,降低评分矩阵稀疏性对推荐结果的影响.实验结果表明:概率粗糙集模型能够有效提高在评分矩阵非常稀疏的情况下的推荐准确率,其在Movie Lens数据集上的推荐准确率最高达到92.80％,覆盖率最高达100％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王红	六安职业技术学院信息与电子工程学院	19	101	4.0	9.0
2	陈功平	六安职业技术学院信息与电子工程学院	19	86	4.0	8.0