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:
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.
推荐文章
结合用户聚类和评分偏好的推荐算法
协同过滤
降维
聚类
用户偏好
推荐系统
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
基于用户潜在时效偏好的推荐算法
推荐系统
时效偏好
概率主题模型
隐马尔可夫模型
基于用户偏好优化模型的推荐算法研究
推荐算法
Slope One
用户偏好
评分预测
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 联合用户兴趣矩阵及全局偏好的推荐算法
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
研究方向 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
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 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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (461)
参考文献  (7)
节点文献
引证文献  (9)
同被引文献  (22)
二级引证文献  (17)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(3)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(3)
  • 二级引证文献(0)
2018(3)
  • 引证文献(3)
  • 二级引证文献(0)
2019(13)
  • 引证文献(5)
  • 二级引证文献(8)
2020(10)
  • 引证文献(1)
  • 二级引证文献(9)
研究主题发展历程
节点文献
协同过滤
兴趣链
兴趣矩阵
全局偏好
相似度
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
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
论文1v1指导