基于Hash的Top-N推荐方法

• 作者: 唐长兵 朱婷 郑忠龙 陈德
• 来源期刊: 浙江师范大学学报（自然科学版）
• 学科: 工学
• 关键词: Hash学习 主成分分析 推荐系统 协同过滤 k-means聚类 Manhattan距离
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 计算机
• 页码范围: 56-63
• 页数: 8页
• 分类号: TP302
• 字数: 5922字
• 语种: 中文
• DOI: 10.16218/j.issn.1001-5051.2018.01.010

摘要

针对电子商务数据量大、用户寻找有用信息困难的现状,提出了基于Hash的Top-N推荐方法.通过两步骤Hash策略,并利用主成分分析(PCA)法,将数据降维后再通过k-means聚类量化;然后运用协同过滤,以二进制码对应实值的Manhattan距离度量用户相似性;最后计算推荐项的预测评分,将推荐列表中的前N项作为最终的推荐项目呈现给用户.结果表明:命中率(HR)与平均命中等级倒数(ARHR)的结果较好,该方法能够有效地进行个性化推荐.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑忠龙	浙江师范大学数理与信息工程学院	29	106	6.0	9.0
2	朱婷	浙江师范大学数理与信息工程学院	11	7	2.0	2.0
3	唐长兵	浙江师范大学数理与信息工程学院	6	35	2.0	5.0
4	陈德	浙江师范大学数理与信息工程学院	2	10	1.0	2.0