基于兴趣相似度传递的增强LSH统计预测算法

• 作者: 夏小娜 邹麒
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 个性化预测 增强局部敏感哈希 兴趣相似度传递 潜在偏好 协同过滤 统计预测算法
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 算法
• 页码范围: 286-291
• 页数: 6页
• 分类号: TP311
• 字数: 4836字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.03.048

摘要

随着在线用户和物品数量的不断增长,有必要通过追踪和筛选历史数据,为用户提供机制可参考的决策建议.构建统计预测算法是实现启发式预测用户兴趣的有效机制.因此,在充分利用用户自身历史偏好和潜在偏好的前提下,提出兴趣相似度传递思想,分析用户的社交关联强度,计算用户的邻近社交兴趣和选择趋向特征,设计并实现了可扩展的局部敏感哈希(Improved Local Sensitivity Hashing,ILSH)统计预测算法.实验表明,该算法在有利于相似度计算量剧增的背景下,在提高兴趣预测的准确性和可靠性方面优于其他近似算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏小娜	曲阜师范大学统计学院	29	99	6.0	8.0
5	邹麒	曲阜师范大学信息科学与工程学院	2	2	1.0	1.0