原文服务方: 计算机应用研究       
摘要:
针对推荐算法中用户评分矩阵维度高、计算量大的问题,为更加真实地反映用户本身评分偏好,提出一种结合用户聚类和评分偏好的推荐算法.先利用PCA降维和K-means聚类对用户评分矩阵进行预处理,在最近邻选取方法上,添加用户共同评分数量作为约束,利用用户和相似簇的相似度对相似簇内评分加权求和生成基本预测评分;再综合用户评分偏置和用户项目类型偏好,建立用户评分偏好模型;最后通过多元线性回归确定每部分的权重,生成最终的预测评分.对比实验结果表明,新算法能更真实地反映用户评分,有效减少计算量并提高推荐系统的预测准确率,更好地满足用户对于推荐系统的个性化需求.
推荐文章
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
融合项目偏差与用户偏好的推荐算法
协同过滤
主题建模
聚类
项目偏差
用户偏好
结合改进用户聚类与 LFM 模型的协同过滤推荐算法
协同过滤推荐
AP聚类
隐语义模型
线性加权
融合用户偏好优化聚类的协同过滤推荐算法
协同过滤
推荐系统
用户偏好
聚类
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 结合用户聚类和评分偏好的推荐算法
来源期刊 计算机应用研究 学科
关键词 协同过滤 降维 聚类 用户偏好 推荐系统
年,卷(期) 2018,(8) 所属期刊栏目 算法研究探讨
研究方向 页码范围 2260-2264
页数 5页 分类号 TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2018.08.005
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 高茂庭 上海海事大学信息工程学院 83 424 11.0 16.0
2 段元波 上海海事大学信息工程学院 3 18 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (104)
共引文献  (407)
参考文献  (13)
节点文献
引证文献  (14)
同被引文献  (35)
二级引证文献  (3)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(1)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(5)
  • 参考文献(1)
  • 二级参考文献(4)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(7)
  • 参考文献(2)
  • 二级参考文献(5)
2011(7)
  • 参考文献(1)
  • 二级参考文献(6)
2012(8)
  • 参考文献(1)
  • 二级参考文献(7)
2013(9)
  • 参考文献(1)
  • 二级参考文献(8)
2014(19)
  • 参考文献(1)
  • 二级参考文献(18)
2015(19)
  • 参考文献(1)
  • 二级参考文献(18)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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(8)
  • 引证文献(8)
  • 二级引证文献(0)
2020(6)
  • 引证文献(3)
  • 二级引证文献(3)
研究主题发展历程
节点文献
协同过滤
降维
聚类
用户偏好
推荐系统
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导