基于异构信息网络的模糊贴近度推荐算法

• 作者: 卢佳乐 张九根 朱元 陈鑫
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 异构信息网络 用户属性 模糊贴近度 元路径 推荐系统
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 软件与算法
• 页码范围: 367-372
• 页数: 6页
• 分类号: TP311.5
• 字数: 5301字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2020.02.011

摘要

针对传统协同过滤算法在用户推荐过程中数据稀疏性、可扩展性、用户兴趣迁移变化等问题,提出一种基于异构信息网络的模糊贴近度推荐算法.在k-means聚类算法基础上构建新的异构信息网络,利用关系抽取的方式构造用户属性权重矩阵;引入模糊贴近度综合分析元路径属性权重的影响,寻找近邻用户;采用Top-N算法排序进而完成推荐,并进行准确性验证.在Epinions数据集上的实验结果表明,在推荐质量和速度上,所提推荐算法较传统推荐算法更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张九根	南京工业大学电气工程与控制科学学院	71	325	11.0	14.0
2	陈鑫	南京工业大学电气工程与控制科学学院	7	16	2.0	4.0
3	朱元	南京工业大学电气工程与控制科学学院	3	3	1.0	1.0
4	卢佳乐	南京工业大学电气工程与控制科学学院	2	0	0.0	0.0