使用隐式数据中的聚类和关联规则挖掘提高协同 过滤建议的准确性

• 作者: 朱玉佳 王斯锋 祝永志
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 协同过滤 相似性 推荐系统 稀疏
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 信息处理与传输
• 页码范围: 1108-1113
• 页数: 6页
• 分类号: TP393
• 字数: 6362字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2019.05.013

摘要

推荐系统在互联网技术快速发展的今天变得越来越重要,因为它能为用户做出最适当的选择.协作过滤(CF)是推荐系统设计中应用最成功和最广泛的技术,能根据用户的过去评级记录,推荐活跃用户的项目.不过,与用户项目矩阵中的大量用户和项目相比,用户对项目的评级非常稀疏,CF可能会导致不佳的建议.它将用户的隐式交互记录与项目相结合,通过采用关联规则来挖掘处理大量数据,可以捕获每个交易的多个采购关联规则,而不仅仅是计算总的采购量,并通过实施修改了的预处理,在基于多次购买完成的用户之间发现类似的兴趣模式.另外,随着关联规则挖掘的表现,聚类技术已被用于减少数据的大小和项目空间的维度,然后,计算出基于其特征的项目之间的相似性,以提出建议并进行实验.结果表明,在Precision和Recall指标两个方面,即使数据非常稀疏,这种技术也能达到很好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	祝永志	曲阜师范大学信息科学与工程学院	77	392	10.0	16.0
2	王斯锋	曲阜师范大学信息科学与工程学院	20	41	3.0	4.0
3	朱玉佳	曲阜师范大学信息科学与工程学院	1	2	1.0	1.0