基于有效特征子集提取的高效推荐算法

• 作者: 于旭 崔焕庆 徐其江 徐凌伟 王前龙 田甜
• 来源期刊: 计算机系统应用
• 关键词: 跨领域 特征选择 聚类 协同过滤
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 162-168
• 页数: 7页
• 字数: 6421字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006981

摘要

推荐系统是根据用户的历史信息对未知信息进行预测.用户项目评分矩阵的稀疏性是目前推荐系统面临的主要瓶颈之一.跨域推荐系统是解决数据稀疏性问题的一种有效方法.本文提出了基于有效特征子集选取的高效推荐算法(FSERA),FSERA是提取辅助域的子集信息,来扩展目标域数据,从而对目标域进行协同过滤推荐.本文采用K-means聚类算法将辅助域的数据进行提取来降低冗余和噪声,获取了辅助域的有效子集,不仅降低了算法复杂度,而且扩展了目标域数据,提高了推荐精度.实验表明,此方法比传统的方法有更高的推荐精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐其江	山东信息职业技术学院软件系	32	10	1.0	3.0
2	崔焕庆	山东科技大学山东省智慧矿山信息技术重点实验室	30	107	7.0	8.0
3	田甜		6	23	2.0	4.0
4	徐凌伟	青岛科技大学信息科学与技术学院	8	15	2.0	3.0
5	于旭	青岛科技大学信息科学与技术学院	5	22	3.0	4.0
9	王前龙	青岛科技大学信息科学与技术学院	1	0	0.0	0.0