本文關(guān)鍵詞： 推薦系統(tǒng) pagerank 長(zhǎng)尾效應(yīng) 相似度　出處：《電視技術(shù)》2017年Z2期 　論文類型：期刊論文

【摘要】：目前國(guó)內(nèi)外的各大視頻網(wǎng)站中均存在嚴(yán)重的長(zhǎng)尾效應(yīng)問(wèn)題。為降低視頻推薦系統(tǒng)中長(zhǎng)尾效應(yīng)的影響,本文提出了基于改進(jìn)的協(xié)同過(guò)濾的長(zhǎng)尾物品推薦算法PGSim-CF。PGSim-CF算法首先利用pagerank算法計(jì)算各物品的初始化權(quán)值,然后通過(guò)同類視頻物品中熱門(mén)物品的權(quán)值去優(yōu)化冷門(mén)物品的權(quán)值,與此同時(shí)懲罰熱門(mén)物品的權(quán)值,得到各視頻物品的最終權(quán)值,最后將獲得的權(quán)值代入?yún)f(xié)同過(guò)濾物品相似度的計(jì)算中。實(shí)驗(yàn)結(jié)果表明,同傳統(tǒng)的協(xié)同過(guò)濾UserCF算法以及文獻(xiàn)[1]中所提出的Sim CF-ACT算法相比,PGSimCF算法的性能更好。
[Abstract]:In order to reduce the effect of long-tail effect in video recommendation system, there is a serious problem of long-tail effect in various video websites at home and abroad. In this paper, PGSim-CF.PGSim-CF algorithm based on improved collaborative filtering is proposed. First, the initialization weights of each item are calculated by using pagerank algorithm. Then through the same kind of video items in the weight of hot items to optimize the weight of cold goods, at the same time punish the weight of popular items, get the final weight of each video item. Finally, the weights obtained are added to the similarity calculation of collaborative filtering articles. The experimental results show that, with the traditional collaborative filtering UserCF algorithm and the literature. [1. The performance of the Sim CF-ACT algorithm is better than that of the Sim CF-ACT algorithm proposed in this paper.
【作者單位】： 北京郵電大學(xué)網(wǎng)絡(luò)技術(shù)研究院;
【分類號(hào)】：TP391.3;TP393.092
【正文快照】： 生活在被鋪天蓋地的信息包圍以及生活節(jié)奏加快的時(shí)代,人們面臨著如何能夠在短的時(shí)間內(nèi)從海量的信息中尋找自己感興趣以及對(duì)自己有價(jià)值的信息的問(wèn)題。個(gè)性化推薦系統(tǒng)的出現(xiàn)成功解決了該問(wèn)題[2]。迄今為止,經(jīng)典的個(gè)性化推薦算法發(fā)展趨于成熟,并且成功運(yùn)用在各個(gè)領(lǐng)域,諸如:電子書(shū)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曾穎;;創(chuàng)造圖書(shū)館的“長(zhǎng)尾效應(yīng)”[J];情報(bào)探索;2010年01期

2 黃柳柳;黃河燕;史樹(shù)敏;;面向代碼相似度檢測(cè)的指紋選取方法[J];計(jì)算機(jī)工程與應(yīng)用;2010年27期

3 鄭煒冬;;試卷相似度自動(dòng)評(píng)估技術(shù)的研究[J];智能計(jì)算機(jī)與應(yīng)用;2011年06期

4 ;電商推薦系統(tǒng)進(jìn)階[J];IT經(jīng)理世界;2013年11期

5 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開(kāi)源推薦系統(tǒng)分析[J];計(jì)算機(jī)與數(shù)字工程;2013年10期

6 李桂林,陳曉云;關(guān)于聚類分析中相似度的討論[J];計(jì)算機(jī)工程與應(yīng)用;2004年31期

7 秦玉平;楊興凱;;基于案例推理的區(qū)間屬性相似度研究[J];遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

8 蔣鵬;;基于本體的應(yīng)急案例相似度算法研究[J];南昌高專學(xué)報(bào);2009年03期

9 何亞;;詞語(yǔ)相似度算法的分析與改進(jìn)[J];硅谷;2011年24期

10 仇麗青;陳卓艷;;基于共同鄰居相似度的社區(qū)發(fā)現(xiàn)算法[J];信息系統(tǒng)工程;2014年05期

相關(guān)會(huì)議論文 前10條

1 張燕;李燕萍;;基于內(nèi)容分析和點(diǎn)擊率記錄的混合音樂(lè)推薦系統(tǒng)[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2009年

2 劉海波;鄭德權(quán);趙鐵軍;;基于相似度線性加權(quán)方法的檢索結(jié)果聚類研究[A];中國(guó)計(jì)算語(yǔ)言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

3 陸勁挺;路強(qiáng);劉曉平;;對(duì)比相似度計(jì)算方法及其在功能樹(shù)擴(kuò)展中的應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

4 趙欣;寇綱;鄔文帥;盧艷群;;基于時(shí)間密集性的推薦系統(tǒng)攻擊檢測(cè)[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)論文摘要集[C];2011年

5 張玉連;張波;張敏;;改進(jìn)的個(gè)性化信息推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[A];2005年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

6 王君;許潔萍;;層次音樂(lè)推薦系統(tǒng)的研究[A];第18屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

7 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務(wù)推薦系統(tǒng)[A];第三屆學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C];2006年

8 雷慶;吳揚(yáng)揚(yáng);;一種基于語(yǔ)義信息計(jì)算XML文檔相似度的新方法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

9 羅辛;歐陽(yáng)元新;熊璋;袁滿;;通過(guò)相似度支持度優(yōu)化基于K近鄰的協(xié)同過(guò)濾算法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集A輯一[C];2010年

10 尤忠彬;陳越;張英;朱揚(yáng)勇;;基于Web服務(wù)的技術(shù)轉(zhuǎn)移平臺(tái)推薦系統(tǒng)研究[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

相關(guān)博士學(xué)位論文 前10條

1 程亮;基于本體的疾病數(shù)據(jù)整合與挖掘方法研究[D];哈爾濱工業(yè)大學(xué);2014年

2 曹，

本文編號(hào)：1474585