基于神经网络和社区发现的高维数据推荐系统

• 作者: 刘保利 唐新宇 张新政
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 推荐系统 稀疏性问题 社区发现 神经网络 张量模型 奇异值分解
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 算法
• 页码范围: 232-239
• 页数: 8页
• 分类号: TP391
• 字数: 6713字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.07.039

摘要

由于评分矩阵存在稀疏性问题和冷启动问题,传统的推荐系统大多通过分析上下文环境来增强推荐系统的性能,导致计算复杂度提高,并影响推荐的准确率.针对这种情况,提出基于神经网络和社区发现的高维数据推荐系统.利用神经网络识别影响力大的上下文维度,提高预测的准确率;设计社区检测算法将用户分组,降低数据维度并解决稀疏性问题;采用张量模型处理包含丰富附加信息的用户评分矩阵,根据张量值预测用户对项目的偏好.仿真实验结果表明,该系统有效地提高了高维数据推荐系统的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张新政	广东工业大学自动化学院	81	660	13.0	22.0
2	刘保利	空军工程大学理学院	4	4	1.0	2.0
3	唐新宇	广东工商职业技术大学计算机工程学院	10	36	3.0	6.0