發(fā)布時(shí)間：2018-08-20 15:13

【摘要】：針對(duì)協(xié)同過(guò)濾推薦算法的數(shù)據(jù)稀疏性和可擴(kuò)展性問(wèn)題,提出一種基于Logistic函數(shù)和用戶聚類的協(xié)同過(guò)濾算法.計(jì)算用戶對(duì)服務(wù)關(guān)鍵詞的偏好度,構(gòu)建用戶-關(guān)鍵詞偏好向量,并基于此向量對(duì)用戶進(jìn)行聚類;采用Logistic函數(shù)計(jì)算用戶對(duì)服務(wù)的興趣度,并根據(jù)興趣度相似性在目標(biāo)用戶所在類內(nèi)尋找其最近鄰居;通過(guò)最近鄰居預(yù)測(cè)用戶對(duì)服務(wù)的興趣度,將興趣度較高的服務(wù)推薦給用戶.基于真實(shí)數(shù)據(jù)集的實(shí)驗(yàn)證明,與傳統(tǒng)協(xié)同過(guò)濾算法相比,本文算法能取得更高的準(zhǔn)確率,且聚類后算法運(yùn)行時(shí)間顯著減少,有效地提高了推薦的實(shí)時(shí)性.
[Abstract]:Aiming at the data sparsity and extensibility of collaborative filtering recommendation algorithm, a collaborative filtering algorithm based on Logistic function and user clustering is proposed. The user preference degree of service keywords is calculated, and the user keyword preference vector is constructed, and the user is clustered based on this vector. The Logistic function is used to calculate the interest degree of the user to the service. According to the similarity of interest degree, the nearest neighbor is found in the class of the target user, and the service with high interest degree is recommended to the user by predicting the interest degree of the user by the nearest neighbor. Experiments based on real data sets show that compared with the traditional collaborative filtering algorithm, the proposed algorithm can achieve higher accuracy, and the running time of the clustering algorithm is significantly reduced, which effectively improves the real-time performance of the proposed algorithm.
【作者單位】： 湖南科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院知識(shí)處理與網(wǎng)絡(luò)化制造湖南省普通高校重點(diǎn)實(shí)驗(yàn)室;南京大學(xué)計(jì)算機(jī)軟件新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61572186,61572187) 南京大學(xué)計(jì)算機(jī)軟件新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室資助項(xiàng)目(KFKT2015B04) 湖南省高校創(chuàng)新平臺(tái)開(kāi)放基金資助項(xiàng)目(15K043)
【分類號(hào)】：TP391.3

【相似文獻(xiàn)】

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(guò)濾算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年06期

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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(shū)情報(bào)學(xué)刊;2013年08期

10 康鐘榮;;基于項(xiàng)目特征分類與填充的協(xié)同過(guò)濾算法研究[J];河南科技;2013年12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7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

相關(guān)碩士學(xué)位論文 前10條

1 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

2 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

3 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

4 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

5 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

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

7 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

8 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

9 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

10 馬兆才;基于協(xié)同過(guò)濾的推薦系統(tǒng)算法研究與實(shí)現(xiàn)[D];蘭州大學(xué);2015年

，

本文編號(hào)：2194089