本文關(guān)鍵詞： 協(xié)同過濾 Sigmoid函數(shù) 數(shù)據(jù)稀疏性 推薦系統(tǒng) 用戶興趣　出處：《計算機科學(xué)與探索》2017年02期 　論文類型：期刊論文

【摘要】：協(xié)同過濾推薦技術(shù)被廣泛用于各個推薦系統(tǒng),但它仍然存在著用戶評分數(shù)據(jù)稀疏性問題,可能導(dǎo)致推薦結(jié)果不準確。針對該問題,提出了一種采用Sigmoid函數(shù)的協(xié)同過濾推薦算法。首先,分析用戶興趣與其調(diào)用服務(wù)的次數(shù)之間的關(guān)系,利用TF-IDF算法計算用戶對服務(wù)內(nèi)容的興趣度;其次,定義一個Sigmoid函數(shù),根據(jù)服務(wù)調(diào)用次數(shù)計算用戶對服務(wù)功能的興趣度;最后,基于內(nèi)容興趣度和功能興趣度計算用戶興趣相似度完成協(xié)同過濾算法,實現(xiàn)個性化的服務(wù)推薦。實驗證明,該方法能有效緩解數(shù)據(jù)稀疏性問題,提高了推薦質(zhì)量。
[Abstract]:Collaborative filtering recommendation technology is widely used in various recommendation systems, but it still has the problem of user rating data sparsity, which may lead to inaccurate recommendation results. A collaborative filtering recommendation algorithm using Sigmoid function is proposed. Firstly, the relationship between user interest and the number of service calls is analyzed. The TF-IDF algorithm is used to calculate the user's interest in the service content. Secondly, a Sigmoid function is defined to calculate the user's interest in the service function according to the number of service calls. Finally, the collaborative filtering algorithm based on the similarity of user interest and content interest and functional interest is implemented to realize personalized service recommendation. Experiments show that this method can effectively alleviate the problem of data sparsity. The quality of recommendation has been improved.
【作者單位】： 湖南科技大學(xué)知識處理與網(wǎng)絡(luò)化制造湖南省普通高校重點實驗室;
【基金】：國家自然科學(xué)基金Nos.61572186,61572187 湖南省教育廳科研基金No.15K043 南京大學(xué)計算機軟件新技術(shù)國家重點實驗室資助項目No.KFKT2015B04~~
【分類號】：TP391.3;TP393.09
【正文快照】： 1 引言 近年來隨著服務(wù)計算及其相關(guān)技術(shù)的發(fā)展,互聯(lián)網(wǎng)上涌現(xiàn)出大量功能相同但服務(wù)質(zhì)量(quality of service,Qo S)各異的Web服務(wù),人們在滿足功能需求的同時對服務(wù)的非功能性需求愈發(fā)重視,使得個性化服務(wù)推薦技術(shù)成為服務(wù)計算領(lǐng)域的一個研究熱點。 協(xié)同過濾推薦是目前個性化

【相似文獻】

相關(guān)期刊論文 前10條

1 楊風(fēng)召;;一種基于特征表的協(xié)同過濾算法[J];計算機工程與應(yīng)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(yīng)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(dǎo)購系統(tǒng)[J];武漢大學(xué)學(xué)報(工學(xué)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(xué)學(xué)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(xué)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(luò)教學(xué)平臺研究[J];科技風(fēng);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(xué)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(xué)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(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)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(xué)會第五次全國會員代表大會暨2006年全國學(xué)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(xué)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(xué)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(xué)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(xué)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(yīng)用學(xué)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(xué)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(xué)術(shù)會議論文集A輯一[C];2010年

相關(guān)博士學(xué)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(xué);2016年

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

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

4 李聰;電子商務(wù)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(xué);2009年

5 郭艷紅;推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D];大連理工大學(xué);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(xué);2011年

7 薛福亮;電子商務(wù)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(xué);2012年

8 高e，

本文編號：1448156