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:
传统的推荐模型有很多的局限性,其主要问题存在于数据的稀疏性和可扩展性,导致预测评分的结果不够准确和计算效率不够高.针对以上问题论文提出了一种融合算法,将隐语义模型和K-meansplus聚类模型有效地结合,解决了数据稀疏性和可扩展的问题.在MovieLens数据集上测试,实验结果分析表明,该融合算法性能优于其他算法.
推荐文章
融合隐语义和邻域算法的兴趣点推荐模型
基于位置的社交网络
兴趣点推荐
隐语义
信息融合
融合邻域模型与隐语义模型的推荐算法
推荐系统
协同过滤
隐语义模型
均方根误差
融合用户属性的隐语义模型推荐算法
推荐系统
隐语义模型
用户属性
稀疏数据
逻辑回归
融合社交和标签信息的隐语义模型推荐算法
隐语义模型
社交网络
标签信息
推荐算法
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 融合隐语义模型和K-meansplus聚类模型的推荐算法
来源期刊 计算机与数字工程 学科 工学
关键词 隐语义模型 K-meansplus聚类模型 融合算法
年,卷(期) 2018,(6) 所属期刊栏目 信息融合
研究方向 页码范围 1108-1111
页数 4页 分类号 TP311.5
字数 2797字 语种 中文
DOI 10.3969/j.issn.1672-9722.2018.06.009
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 乔平安 西安邮电大学计算机学院 36 62 6.0 6.0
2 曹宇 西安邮电大学计算机学院 3 2 1.0 1.0
3 任泽乾 西安邮电大学计算机学院 3 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (102)
共引文献  (469)
参考文献  (10)
节点文献
引证文献  (2)
同被引文献  (21)
二级引证文献  (0)
1904(1)
  • 参考文献(0)
  • 二级参考文献(1)
1938(2)
  • 参考文献(0)
  • 二级参考文献(2)
1963(3)
  • 参考文献(0)
  • 二级参考文献(3)
1969(2)
  • 参考文献(0)
  • 二级参考文献(2)
1982(2)
  • 参考文献(0)
  • 二级参考文献(2)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(8)
  • 参考文献(0)
  • 二级参考文献(8)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(9)
  • 参考文献(1)
  • 二级参考文献(8)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(15)
  • 参考文献(1)
  • 二级参考文献(14)
2008(12)
  • 参考文献(0)
  • 二级参考文献(12)
2009(8)
  • 参考文献(4)
  • 二级参考文献(4)
2010(11)
  • 参考文献(1)
  • 二级参考文献(10)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(6)
  • 参考文献(3)
  • 二级参考文献(3)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
隐语义模型
K-meansplus聚类模型
融合算法
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
计算机与数字工程
月刊
1672-9722
42-1372/TP
大16开
武汉市东湖新技术开发区凤凰产业园藏龙北路1号
1973
chi
出版文献量(篇)
9945
总下载数(次)
28
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导