-
题名集成社会化标签和用户背景信息的协同过滤推荐方法
被引量:6
- 1
-
-
作者
蒋胜
王忠群
修宇
皇苏斌
-
机构
安徽工程大学计算机与信息学院
-
出处
《计算机应用》
CSCD
北大核心
2014年第8期2328-2331,共4页
-
基金
国家自然科学基金资助项目(71371012
71171002)
教育部人文社科规划项目(13YJA630098)
-
文摘
针对传统的协同推荐算法存在数据稀疏和推荐精度低的问题,提出了一种集成社会化标签和用户背景信息的协同过滤(CF)推荐方法。首先,分别计算基于社会化标签和用户背景信息的用户间的相似度;然后,基于用户评分计算用户间的相似度;最后,集成上述3种相似性度量产生用户间综合相似度,并对目标用户进行项目推荐。实验结果表明,与传统的协同过滤推荐算法相比,所提方法在正常数据集和冷启动数据集下的平均绝对误差(MAE)平均降低了16%和22.6%。该方法不仅能有效地提高推荐算法的精度,而且能较好地解决数据稀疏和冷启动的问题。
-
关键词
数据稀疏
冷启动
用户背景信息
社会化标签
协同过滤推荐
-
Keywords
data sparsity
cold-start
users background information
social tag
Collaborative Filtering (CF)recommendation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名结合用户背景信息的协同过滤推荐算法
被引量:16
- 2
-
-
作者
吴一帆
王浩然
-
机构
南京大学软件学院
-
出处
《计算机应用》
CSCD
北大核心
2008年第11期2972-2974,共3页
-
文摘
针对个性化推荐系统中协同过滤算法面对的数据稀疏问题,提出了一种结合用户背景信息的推荐算法。该算法充分利用已有的用户数据和领域知识,对用户背景信息的相似度建模,在进行协同过滤前预先填充用户—项评分矩阵。实验表明该方法能够有效地提高推荐精度,并且不会带来性能上的瓶颈。
-
关键词
个性化推荐
协同过滤
用户背景信息
相似度建模
-
Keywords
personalized recommendation, collaborative filtering
user background information
similarity modeling
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于动态社会行为和用户背景的协同推荐方法
被引量:8
- 3
-
-
作者
蒋胜
王忠群
修宇
皇苏斌
汪千松
-
机构
安徽工程大学计算机与信息学院
-
出处
《计算机科学》
CSCD
北大核心
2015年第3期252-255,265,共5页
-
基金
国家自然科学基金项目(71371012
71171002
+1 种基金
61300170)
教育部人文社科规划项目(13YJA630098)资助
-
文摘
针对传统协同过滤推荐算法推荐精度低及冷启动的问题,提出了一种基于动态社会行为和用户背景的协同推荐方法。作为用户标注行为的结果,变化的标签体现了用户行为的动态性。该方法首先根据动态社会化标签得出用户的动态兴趣偏好相似度,然后根据用户背景信息计算出用户相似度,最后计算基于时间权重的用户评分相似度,并集成上述3个相似度找出最近邻居集,以为目标用户提供更加准确的个性化推荐。实验结果证明,该方法不仅能较好地解决数据稀疏和冷启动的问题,还能有效提高推荐算法的精确度。
-
关键词
推荐精度
冷启动
社会化标签
用户背景信息
动态社会行为
时间权重
-
Keywords
Recommendation precision
Cold-start
Social tags
Users’ background information
Dynamic social beha-vior
Time weight
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-