基于群组信息改进矩阵分解的群组推荐方法

• 作者: 尹青山
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 群组推荐 群组结构信息 用户相关性 改进概率矩阵分解 评分合成
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 信息技术交流
• 页码范围: 328-333
• 页数: 6页
• 分类号: TP18
• 字数: 4505字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.09.055

摘要

随着网络群组功能的兴起,向用户群组直接生成推荐建议可以有效减少用户搜寻其感兴趣项目的搜索过程和检索时间,为此提出基于改进矩阵分解的群组推荐算法.以融入群组特有信息的矩阵分解为基础模型,根据用户间的共有群信息计算其相关性,并将其集成到矩阵分解中以生成群内单用户的偏好评分.采用群推荐中常用的三种策略进行个人评分融合,实现有效的群组推荐.与已有算法进行对比实验,结果表明,该算法在各评价指标上的群组推荐性能更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹青山	辽东学院工程技术学院	11	12	2.0	3.0