本文選題：信息推薦 + 協(xié)同過(guò)濾�。� 參考：《情報(bào)學(xué)報(bào)》2017年08期

【摘要】：協(xié)同過(guò)濾利用與目標(biāo)用戶相似性較高的鄰居對(duì)其他產(chǎn)品的評(píng)價(jià)來(lái)預(yù)測(cè)目標(biāo)用戶對(duì)特定產(chǎn)品的喜好程度,用戶間的相似性定義至關(guān)重要。傳統(tǒng)協(xié)同過(guò)濾算法定義相似性時(shí)不考慮用戶偏好,為了解決這一問(wèn)題,本文提出基于聯(lián)合聚類的協(xié)同過(guò)濾算法。該算法利用聯(lián)合聚類識(shí)別用戶偏好,定義用戶偏好相似性。當(dāng)可用數(shù)據(jù)還包括用戶的屬性信息時(shí),算法提取有共同偏好的用戶的公共特征,進(jìn)一步定義基于屬性的相似性,結(jié)合屬性相似性與打分相似性產(chǎn)生推薦。實(shí)驗(yàn)用MovieLens數(shù)據(jù)驗(yàn)證推薦算法的準(zhǔn)確性,實(shí)驗(yàn)結(jié)果表明本文算法可以處理極度稀疏數(shù)據(jù),且預(yù)測(cè)的打分更加準(zhǔn)確,推薦排名靠前的電影更受用戶喜愛。
[Abstract]:Collaborative filtering uses neighbors with high similarity to target users to evaluate other products to predict their preference for specific products. The definition of similarity among users is very important. The traditional collaborative filtering algorithm does not consider user preference when defining similarity. In order to solve this problem, a collaborative filtering algorithm based on joint clustering is proposed in this paper. The algorithm uses joint clustering to identify user preferences and define similarity of user preferences. When the available data also includes the user's attribute information, the algorithm extracts the common features of users with common preferences, further defines the similarity based on attributes, and combines attribute similarity and scoring similarity to produce recommendations. The experiment uses MovieLens data to verify the accuracy of the recommendation algorithm. The experimental results show that the proposed algorithm can deal with extremely sparse data, and the prediction score is more accurate.
【作者單位】： 西安電子科技大學(xué)經(jīng)濟(jì)與管理學(xué)院;
【基金】：國(guó)家自然科學(xué)基金青年基金“大規(guī)模動(dòng)態(tài)社交網(wǎng)絡(luò)社團(tuán)檢測(cè)算法研究”(71401130)
【分類號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐義峰;陳春明;徐云青;;一種基于分類的協(xié)同過(guò)濾算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2007年01期

2 楊風(fēng)召;;一種基于特征表的協(xié)同過(guò)濾算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年06期

3 王嵐;翟正軍;;基于時(shí)間加權(quán)的協(xié)同過(guò)濾算法[J];計(jì)算機(jī)應(yīng)用;2007年09期

4 曾子明;張李義;;基于多屬性決策和協(xié)同過(guò)濾的智能導(dǎo)購(gòu)系統(tǒng)[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2008年02期

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

6 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評(píng)分矩陣的協(xié)同過(guò)濾算法[J];西安電子科技大學(xué)學(xué)報(bào);2009年04期

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

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過(guò)濾策略改進(jìn)研究[J];計(jì)算機(jī)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(guò)濾算法[J];微計(jì)算機(jī)信息;2011年11期

10 宋緯華;田元;;基于蟻群算法的協(xié)同過(guò)濾推薦技術(shù)[J];農(nóng)業(yè)圖書情報(bào)學(xué)刊;2013年08期

相關(guān)會(huì)議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項(xiàng)目分類的協(xié)同過(guò)濾算法[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

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過(guò)濾推薦算法[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（研究報(bào)告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過(guò)濾算法研究[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場(chǎng)景的協(xié)同過(guò)濾推薦算法[A];中國(guó)系統(tǒng)仿真學(xué)會(huì)第五次全國(guó)會(huì)員代表大會(huì)暨2006年全國(guó)學(xué)術(shù)年會(huì)論文集[C];2006年

5 李建國(guó);姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過(guò)濾推薦算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)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(guò)濾推薦算法[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測(cè)量學(xué)的協(xié)同過(guò)濾相似度方法(英文)[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)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(guò)濾推薦算法[A];2008'中國(guó)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(dòng)問(wèn)題的方法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)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(guò)濾推薦算法[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

相關(guān)博士學(xué)位論文 前10條

1 紀(jì)科;融合上下文信息的混合協(xié)同過(guò)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(guò)濾的社會(huì)網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國(guó)海洋大學(xué);2015年

3 于程遠(yuǎn);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(guò)濾瓶頸問(wèn)題研究[D];合肥工業(yè)大學(xué);2009年

5 孔維梁;協(xié)同過(guò)濾推薦系統(tǒng)關(guān)鍵問(wèn)題研究[D];華中師范大學(xué);2013年

6 夏培勇;個(gè)性化推薦技術(shù)中的協(xié)同過(guò)濾算法研究[D];中國(guó)海洋大學(xué);2011年

7 趙向宇;Top-N協(xié)同過(guò)濾推薦技術(shù)研究[D];北京理工大學(xué);2014年

8 郭磊;社會(huì)網(wǎng)絡(luò)中基于社會(huì)關(guān)系的推薦算法研究[D];山東大學(xué);2015年

9 聶大成;在線社會(huì)網(wǎng)絡(luò)中的信息推薦技術(shù)研究[D];電子科技大學(xué);2014年

10 曾偉;推薦算法與推薦網(wǎng)絡(luò)研究[D];電子科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 呂杰;一種融合用戶上下文信息和評(píng)分傾向度的協(xié)同過(guò)濾推薦系統(tǒng)[D];天津大學(xué);2016年

2 鄒騰飛;基于多特征融合的混合協(xié)同過(guò)濾算法研究[D];西南大學(xué);2015年

3 于鈺雯;基于項(xiàng)目凝聚層次聚類的協(xié)同過(guò)濾推薦算法研究[D];遼寧大學(xué);2015年

4 杜文剛;基于多屬性評(píng)分的協(xié)同過(guò)濾推薦算法研究[D];遼寧大學(xué);2015年

5 高慧敏;融合占有度的時(shí)間遺忘協(xié)同過(guò)濾混合推薦算法研究[D];燕山大學(xué);2015年

6 蘇靖涵;面向SaaS多租戶的動(dòng)態(tài)推薦方法研究[D];遼寧大學(xué);2015年

7 徐曉妮;基于人工魚群算法的協(xié)同過(guò)濾推薦算法研究[D];遼寧大學(xué);2015年

8 羅培;移動(dòng)購(gòu)物導(dǎo)購(gòu)關(guān)鍵技術(shù)的研究與系統(tǒng)實(shí)現(xiàn)[D];西南交通大學(xué);2015年

9 李婧;融合用戶差異度及信息熵的協(xié)同過(guò)濾推薦算法[D];西安建筑科技大學(xué);2015年

10 樂(lè)柱;基于誤差反饋的協(xié)同過(guò)濾算法[D];華南理工大學(xué);2015年

，

本文編號(hào)：1883221