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:
传统的协同过滤推荐算法为目标用户推荐时,考虑了所有用户的历史反馈信息对物品相似度的影响,同时相似度的度量仅依靠用户评分信息矩阵,导致了推荐效果不佳.为解决上述问题,提出了基于用户谱聚类的Top-N协同过滤推荐算法(SC-CF),即应用谱聚类将兴趣相似的用户分成一类,具有相似兴趣爱好的用户比其他用户具有更高的推荐参考价值,然后在类中为目标用户推荐.SC-CF+算法在SC-CF算法的基础上,在相似度度量方法中分别引入了物品时间差因素、用户共同评分权重、流行物品权重.实验结果表明,提出的两种算法提高了推荐结果的召回率.
推荐文章
一种改进的top-N协同过滤推荐算法
协同过滤推荐算法
用户评分信息
相似度
聚类算法
召回率
基于用户兴趣模型聚类的协同过滤推荐算法
协同过滤
推荐系统
用户兴趣模型
推荐算法
基于谱聚类与多因子融合的协同过滤推荐算法
协同过滤
谱聚类
Salton因子
时间衰减因子
用户偏好因子
基于社交用户标签的混合top-N推荐方法
推荐系统
协同过滤
社交网络
个性化标签
冷启动
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 基于用户谱聚类的Top-N协同过滤推荐算法
来源期刊 计算机工程与应用 学科 工学
关键词 协同过滤 相似度 历史反馈信息 谱聚类 召回率
年,卷(期) 2018,(7) 所属期刊栏目 模式识别与人工智能
研究方向 页码范围 138-143
页数 6页 分类号 TP301.6
字数 5862字 语种 中文
DOI 10.3778/j.issn.1002-8331.1610-0330
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 姚世军 解放军信息工程大学理学院 12 46 3.0 6.0
2 肖文强 解放军信息工程大学理学院 1 3 1.0 1.0
3 吴善明 解放军信息工程大学理学院 3 30 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (113)
共引文献  (142)
参考文献  (6)
节点文献
引证文献  (3)
同被引文献  (6)
二级引证文献  (0)
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)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(9)
  • 参考文献(0)
  • 二级参考文献(9)
2012(12)
  • 参考文献(1)
  • 二级参考文献(11)
2013(9)
  • 参考文献(0)
  • 二级参考文献(9)
2014(23)
  • 参考文献(1)
  • 二级参考文献(22)
2015(24)
  • 参考文献(2)
  • 二级参考文献(22)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
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(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
协同过滤
相似度
历史反馈信息
谱聚类
召回率
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导