本文選題：協(xié)同過濾 + 推薦模型　； 參考：《控制工程》2017年07期

【摘要】：協(xié)同過濾模型和算法是電子商務平臺推薦系統(tǒng)的主要方法,存在數(shù)據(jù)稀疏性和推薦精準性問題;另外,推薦系統(tǒng)也面臨推薦服務的滿意度評價問題。為此,提出基于貝葉斯網(wǎng)絡和用戶認知的動態(tài)反饋模型,首先利用貝葉斯網(wǎng)絡模型計算用戶-商品的匹配概率,對商品屬性評分數(shù)據(jù)降維,減少數(shù)據(jù)稀疏性;其次構(gòu)建商品推薦反饋模型,定義用戶認知函數(shù)和商品屬性權(quán)重,確定商品多屬性因素影響條件下的權(quán)重度量方法,同時保留用戶的認知評價信息,定義用戶滿意度評價指標商品推薦率,改進用戶-商品評價相似度計算方法;最后給出推薦算法的流程。通過應用實例和兩類用戶評價數(shù)據(jù)集進行多種算法的實驗驗證比較,結(jié)果表明:模型與其他協(xié)同過濾算法相比,具有較高的用戶推薦滿意度和推薦預測精度。
[Abstract]:Collaborative filtering model and algorithm are the main methods of E-commerce platform recommendation system, which have the problems of data sparsity and recommendation accuracy. In addition, recommendation system also faces the problem of satisfaction evaluation of recommendation service.For this reason, a dynamic feedback model based on Bayesian network and user cognition is proposed. Firstly, the Bayesian network model is used to calculate the matching probability of user and commodity, to reduce the dimension and reduce the data sparsity.Secondly, we construct the commodity recommendation feedback model, define the user cognitive function and commodity attribute weight, determine the weight measurement method under the condition of commodity multi-attribute factors, and retain the user's cognitive evaluation information at the same time.This paper defines the index of customer satisfaction evaluation commodity recommendation rate and improves the similarity calculation method of user-commodity evaluation. Finally the flow chart of recommendation algorithm is given.The experimental results show that the model has higher user recommendation satisfaction and recommendation prediction accuracy than other collaborative filtering algorithms.
【作者單位】： 東北大學計算機科學與工程學院;東北大學工商管理學院;
【基金】：教育部留學回國人員科研啟動基金資助項目(49-1) 國家級大學生創(chuàng)新創(chuàng)業(yè)訓練計劃資助項目(201510145011)
【分類號】：TP391.3

【相似文獻】

相關(guān)期刊論文 前10條

1 楊風召;;一種基于特征表的協(xié)同過濾算法[J];計算機工程與應用;2007年06期

2 王嵐;翟正軍;;基于時間加權(quán)的協(xié)同過濾算法[J];計算機應用;2007年09期

3 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導購系統(tǒng)[J];武漢大學學報(工學版);2008年02期

4 張富國;;用戶多興趣下基于信任的協(xié)同過濾算法研究[J];小型微型計算機系統(tǒng);2008年08期

5 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評分矩陣的協(xié)同過濾算法[J];西安電子科技大學學報;2009年04期

6 廖新考;;基于用戶特征和項目屬性的混合協(xié)同過濾推薦[J];福建電腦;2010年07期

7 沈磊;周一民;李舟軍;;基于心理學模型的協(xié)同過濾推薦方法[J];計算機工程;2010年20期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進研究[J];計算機技術(shù)與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過濾算法[J];微計算機信息;2011年11期

10 鄭婕;鮑海琴;;基于協(xié)同過濾推薦技術(shù)的個性化網(wǎng)絡教學平臺研究[J];科技風;2012年06期

相關(guān)會議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計算機技術(shù)與應用學術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應用學術(shù)會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學會第五次全國會員代表大會暨2006年全國學術(shù)年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學術(shù)會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術(shù)與應用學術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集A輯一[C];2010年

相關(guān)博士學位論文 前10條

1 紀科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學;2016年

2 程殿虎;基于協(xié)同過濾的社會網(wǎng)絡推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國海洋大學;2015年

3 于程遠;基于QoS的Web服務推薦技術(shù)研究[D];上海交通大學;2015年

4 李聰;電子商務推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學;2009年

5 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應用研究[D];大連理工大學;2008年

6 羅恒;基于協(xié)同過濾視角的受限玻爾茲曼機研究[D];上海交通大學;2011年

7 薛福亮;電子商務協(xié)同過濾推薦質(zhì)量影響因素及其改進機制研究[D];天津大學;2012年

8 高e，

本文編號：1743559