本文選題：推薦系統(tǒng) + 協(xié)同過濾��； 參考：《小型微型計算機系統(tǒng)》2017年12期

【摘要】：針對傳統(tǒng)協(xié)同過濾算法無法處理社交網(wǎng)絡(luò)中逐漸形成的以群組為中心的群體行為且很少考慮用戶間普遍存在的不對稱關(guān)系,提出一種非對稱因子約束相似度矩陣的群組協(xié)同過濾算法.首先通過構(gòu)建虛擬用戶作為群組特征,把多維數(shù)據(jù)降維成與用戶特征等價的虛擬用戶,以替代群組進行相似度計算.其次引入影響因子和偏移因子兩種相似度限制因子來構(gòu)建非對稱相似矩陣,影響因子表示用戶相互影響力的大小關(guān)系,偏移因子則考慮用戶評分習(xí)慣間的差異.實驗結(jié)果表明該方法與傳統(tǒng)推薦算法相比具有收斂速度快、預(yù)測精度高的優(yōu)勢,提高了推薦質(zhì)量并解決了群組特征處理問題.
[Abstract]:In view of the traditional collaborative filtering algorithm can not deal with the social network gradually formed group-centric group behavior and rarely take into account the widespread asymmetric relationships between users. A group collaborative filtering algorithm for asymmetric factor constraint similarity matrix is proposed. Firstly, by constructing virtual users as group features, the multidimensional data is reduced to virtual users equivalent to user features, and the similarity calculation is carried out instead of groups. Secondly the influence factor and the offset factor are introduced to construct the asymmetric similarity matrix. The influence factor represents the size of the user's influence and the offset factor takes into account the difference between the users' scoring habits. The experimental results show that the proposed method has the advantages of fast convergence and high prediction accuracy compared with the traditional recommendation algorithm. It improves the quality of recommendation and solves the problem of group feature processing.
【作者單位】： 河南理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院;
【基金】：國家自然科學(xué)基金項目(61202286)資助 河南省高等學(xué)校青年骨干教師項目(2015GGJS-068)資助 2015年度河南省高等學(xué)校重點科研項目(15A520074)資助
【分類號】：TP391.3

【相似文獻】

相關(guān)期刊論文 前10條

1 黃柳柳;黃河燕;史樹敏;;面向代碼相似度檢測的指紋選取方法[J];計算機工程與應(yīng)用;2010年27期

2 鄭煒冬;;試卷相似度自動評估技術(shù)的研究[J];智能計算機與應(yīng)用;2011年06期

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

4 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(自然科學(xué)版);2006年04期

5 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;2009年03期

6 何亞;;詞語相似度算法的分析與改進[J];硅谷;2011年24期

7 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

8 焦鵬;唐見兵;查亞兵;;仿真可信度評估中相似度方法的改進及其應(yīng)用[J];系統(tǒng)仿真學(xué)報;2007年12期

9 姜毅;樂慶玲;;一種基于興趣相似度的學(xué)習(xí)社區(qū)算法[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年16期

10 劉曉平;陸勁挺;唐益明;;基于可拓學(xué)的對比相似功能樹擴展方法[J];工程圖學(xué)學(xué)報;2009年01期

相關(guān)會議論文 前9條

1 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];中國計算語言學(xué)研究前沿進展（2009-2011）[C];2011年

2 陸勁挺;路強;劉曉平;;對比相似度計算方法及其在功能樹擴展中的應(yīng)用[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

3 雷慶;吳揚揚;;一種基于語義信息計算XML文檔相似度的新方法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

4 羅辛;歐陽元新;熊璋;袁滿;;通過相似度支持度優(yōu)化基于K近鄰的協(xié)同過濾算法[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

5 周博;岑榮偉;劉奕群;張敏;馬少平;;相關(guān)反饋任務(wù)中一種基于文檔相似度的檢索結(jié)果重排序方法[A];第五屆全國信息檢索學(xué)術(shù)會議論文集[C];2009年

6 趙勇;高鳳榮;邢春曉;;基于用戶權(quán)威的協(xié)作過濾算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2006年

7 廖光忠;黃澤鑫;;基于HowNet語義算法的研究[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

8 袁里馳;鐘義信;;一種新穎的詞聚類算法[A];中國自動化學(xué)會、中國儀器儀表學(xué)會2004年西南三省一市自動化與儀器儀表學(xué)術(shù)年會論文集[C];2004年

9 沈克爽;劉建偉;陳鋒;樂嘉錦;;基于分段直方圖的時間序列相似度查詢[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

相關(guān)博士學(xué)位論文 前8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：2074397