联合用户兴趣矩阵及全局偏好的推荐算法

• 作者: 崔光明 张以文 艾晓飞 钱付兰
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 协同过滤 兴趣链 兴趣矩阵 全局偏好 相似度
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 学术研究
• 页码范围: 197-207
• 页数: 11页
• 分类号: TP311
• 字数: 7635字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1611020

摘要

如何从大量无序的信息中向用户准确推荐其最感兴趣的信息,是推荐系统研究领域的重要课题.为此提出一种融合用户兴趣矩阵及全局偏好的推荐算法,用于个性化服务推荐.首先,引入兴趣标签机制形成用户兴趣链,对用户服务评分集合中未评价服务进行填充,对已评价服务进行互补,从而形成用户兴趣矩阵;其次,采用兴趣矩阵的欧几里德距离进行局部相似度计算;最后,联合用户认知差异和全局行为差异形成全局偏好相似度.算法在有效融入了用户的个性化偏好信息的同时,减少了数据集稀疏性,提高了推荐的准确性.在真实的MovieLens lM数据集上进行的大量实验表明,与当前具有代表性的推荐算法相比,算法显著提高了推荐精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱付兰	安徽大学计算智能与信号处理教育部重点实验室	30	184	8.0	12.0
5	张以文	安徽大学计算智能与信号处理教育部重点实验室	45	260	9.0	14.0
9	艾晓飞	安徽大学计算机科学与技术学院	1	9	1.0	1.0
10	崔光明	安徽大学计算机科学与技术学院	4	27	3.0	4.0