基于反向最远邻的商品推荐算法研究

• 作者: 万朔 关东海 张安曼 李博涵 王凯
• 来源期刊: 华东师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 推荐系统 协同过滤 反向最远邻 幂律
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 计算机科学
• 页码范围: 63-77
• 页数: 15页
• 分类号: TP391
• 字数: 9557字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-5641.2019.03.008

摘要

有效的推荐算法可以最大限度地发掘商品的价值.通过研究用户的偏好,分析了从海量商品信息中为用户推荐感兴趣内容的方法.目前大多数推荐系统向用户推荐的是较为流行的商品,而忽略了那些当下不“热门”,却有着巨大潜力的商品.以发掘小众中的大众商品为目的,提出了一种基于反向最远邻(Reverse Furthest Neighbor,RFN)查询的商品推荐算法:基于专家用户的信任协同过滤算法,替代传统用户相似匹配的协同过滤推荐算法;利用幂律对商品进行范围缩减,优化系统筛选的效率,实现了对有潜在价值商品的推荐,使小众商品属性的分布得到更深层次的挖掘.实验结果表明本文推荐算法输出结果质量较高,适用于解决部分“长尾问题”.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王凯	南京航空航天大学计算机科学与技术学院	43	136	7.0	9.0
2	李博涵	南京航空航天大学计算机科学与技术学院	20	109	5.0	9.0
11	万朔	南京航空航天大学计算机科学与技术学院	1	0	0.0	0.0
12	张安曼	南京航空航天大学计算机科学与技术学院	1	0	0.0	0.0
13	关东海	南京航空航天大学计算机科学与技术学院	2	6	1.0	2.0