基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
现有的组推荐方法侧重于寻找组内成员之间的相似性,而忽略了成员之间存在的差异.在群组成员差异性显著的情况下,丢弃群组成员间的差异性,竭力寻求相似性,这样会大大降低群组成员对推荐结果的满意度.针对该问题,本文提出一种弥补群组成员差异的可解释性组推荐方法,通过群组成员差异度计算将群组分为差异性群组和相似性群组.对于相似性群组,采用基于决策权重的群组推荐方法生成推荐列表;对于差异性群组,本文构建了一种考虑成员信任值的群组LDA模型,基于此模型生成推荐列表和解释.实验结果表明,该推荐方法能根据群组成员差异性情况采用不同的推荐策略,提高群组推荐的满意度和推荐精度.
推荐文章
一种动态多播组成员管理策略的研究
多播组成员管理
多播路由
延迟休假队列
StackRNN的设计及可解释性研究
循环神经网络
可解释性
记忆网络
自动机理论
一种基于群组推荐的用户隐私保护方法
推荐系统
隐私保护
群组
匿名
物质扩散
三部图
深度学习的可解释性
深度学习
可解释性
端到端
可视化
智能人机交互
人工智能
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种弥补群组成员差异的可解释性组推荐方法
来源期刊 小型微型计算机系统 学科
关键词 群组推荐 成员相似度 成员差异度 共识函数 可解性推荐
年,卷(期) 2021,(5) 所属期刊栏目 人工智能与算法研究|Artificial Intelligence and Algorithm Research
研究方向 页码范围 905-911
页数 7页 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1000-1220.2021.05.002
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (143)
共引文献  (59)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1979(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(5)
  • 参考文献(0)
  • 二级参考文献(5)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(7)
  • 参考文献(0)
  • 二级参考文献(7)
2012(10)
  • 参考文献(0)
  • 二级参考文献(10)
2013(16)
  • 参考文献(0)
  • 二级参考文献(16)
2014(18)
  • 参考文献(0)
  • 二级参考文献(18)
2015(8)
  • 参考文献(0)
  • 二级参考文献(8)
2016(18)
  • 参考文献(2)
  • 二级参考文献(16)
2017(9)
  • 参考文献(0)
  • 二级参考文献(9)
2018(10)
  • 参考文献(2)
  • 二级参考文献(8)
2019(8)
  • 参考文献(6)
  • 二级参考文献(2)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
群组推荐
成员相似度
成员差异度
共识函数
可解性推荐
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
小型微型计算机系统
月刊
1000-1220
21-1106/TP
大16开
辽宁省沈阳市东陵区南屏东路16号
8-108
1980
chi
出版文献量(篇)
11026
总下载数(次)
17
总被引数(次)
83133
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导