發(fā)布時(shí)間：2018-10-19 08:36

【摘要】：推薦系統(tǒng)已經(jīng)被越來越頻繁地應(yīng)用到電子商務(wù)網(wǎng)站與一些社交網(wǎng)站,在提高用戶滿意度的同時(shí)也帶來了巨大的商業(yè)利益.然而,當(dāng)前的推薦算法由于原始數(shù)據(jù)的不完整性以及算法本身處理數(shù)據(jù)的特殊性,導(dǎo)致推薦效果不理想.例如,某些推薦系統(tǒng)會(huì)產(chǎn)生冷啟動(dòng)、復(fù)雜興趣推薦困難、解釋性差等問題.為此,該文提出一種基于標(biāo)簽權(quán)重評分的推薦系統(tǒng)模型(Label-Weight Rating based Recommendation,LWR),旨在使用一種較為簡潔的方式——標(biāo)簽權(quán)重評分來獲取用戶最準(zhǔn)確的評價(jià)和需求,并通過改進(jìn)當(dāng)前的一些推薦算法來處理標(biāo)簽權(quán)重評分?jǐn)?shù)據(jù),從而生成對用戶的推薦,最后以標(biāo)簽權(quán)重評分的形式向用戶展示推薦結(jié)果并作出合理的解釋.擴(kuò)展實(shí)驗(yàn)中,通過電影推薦實(shí)驗(yàn),證明了該文技術(shù)的有效性和可行性.
[Abstract]:Recommendation system has been used more and more frequently in e-commerce websites and some social networks, which not only improves user satisfaction, but also brings huge business benefits. However, due to the incompleteness of the original data and the particularity of the algorithm itself, the current recommendation algorithm does not have ideal recommendation effect. For example, some recommendation systems may have some problems such as cold start, difficult recommendation of complex interest, poor interpretation and so on. In this paper, a recommendation system model based on tag weight scoring (Label-Weight Rating based Recommendation,LWR) is proposed, which aims to obtain the most accurate evaluation and demand of users by using a simple method, that is, tag weight scoring. Some current recommendation algorithms are improved to deal with the tag weight scoring data, so as to generate recommendations to the user. Finally, the recommended results are presented to the user in the form of tag weight score and reasonable explanation is made. In the extended experiment, the effectiveness and feasibility of this technique are proved by the film recommendation experiment.
【作者單位】： 哈爾濱工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：國家自然科學(xué)基金(61472099,61003046) 國家“九七三”重點(diǎn)基礎(chǔ)研究發(fā)展規(guī)劃項(xiàng)目基金(2012CB316200) 國家科技支撐計(jì)劃(2015BAH10F00)資助~~
【分類號】：TP391

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 朱郁筱;呂琳媛;;推薦系統(tǒng)評價(jià)指標(biāo)綜述[J];電子科技大學(xué)學(xué)報(bào);2012年02期

2 張子柯;周濤;張翼成;;Tag-Aware Recommender Systems:A State-of-the-Art Survey[J];Journal of Computer Science & Technology;2011年05期

3 劉建國;周濤;汪秉宏;;個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J];自然科學(xué)進(jìn)展;2009年01期

4 曲懿恒;何嘉鵬;梁周揚(yáng);;多維評分標(biāo)準(zhǔn)在推薦系統(tǒng)中的應(yīng)用[J];中國集體經(jīng)濟(jì);2008年21期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 程殿虎;丁香乾;宮會(huì)麗;;基于用戶認(rèn)知水平的分類別推薦[J];中國海洋大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年08期

2 汪佩;梁立;甘健侯;;基于用戶興趣變化的隱語義協(xié)同過濾算法[J];云南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年04期

3 張志清;李夢;胡竹青;;考慮商品重復(fù)購買周期的協(xié)同過濾推薦方法改進(jìn)[J];武漢科技大學(xué)學(xué)報(bào);2017年04期

4 段帥;賈奮勵(lì);宋國民;高云亮;蓋森;;檢索應(yīng)用中地理信息資源相似度計(jì)算方法研究[J];測繪工程;2017年06期

5 張宏;杜鵬;;基于標(biāo)簽的商品推薦系統(tǒng)的設(shè)計(jì)[J];黑龍江科技信息;2017年17期

6 黃蘭;錢育蓉;于炯;鄭潔;馬婉貞;;融合可信度和時(shí)效標(biāo)簽的商品推薦算法[J];微電子學(xué)與計(jì)算機(jī);2017年06期

7 錢曉捷;張路一;;融合評分結(jié)構(gòu)特征與偏好距離的協(xié)同過濾推薦算法[J];計(jì)算機(jī)工程;2017年05期

8 黃良發(fā);;基于移動(dòng)APP行為的用戶興趣度計(jì)算[J];廣東通信技術(shù);2017年05期

9 杜楚;彭會(huì)湘;李峰;王長力;;天基數(shù)據(jù)混合推薦方法研究[J];無線電工程;2017年05期

10 文勇軍;吳冬冬;王鍵;唐立軍;;Spark平臺(tái)下教育資源個(gè)性化推薦研究[J];智能計(jì)算機(jī)與應(yīng)用;2017年02期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 呂琳媛;;復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測[J];電子科技大學(xué)學(xué)報(bào);2010年05期

2 呂琳媛;陸君安;張子柯;閆小勇;吳曄;史定華;周海平;方錦清;周濤;;復(fù)雜網(wǎng)絡(luò)觀察[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2010年Z1期

3 劉建國;周濤;郭強(qiáng);汪秉宏;;個(gè)性化推薦系統(tǒng)評價(jià)方法綜述[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2009年03期

4 蔣良孝,蔡之華;分布式數(shù)據(jù)挖掘研究[J];計(jì)算機(jī)與現(xiàn)代化;2002年09期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時(shí)間序列性的推薦算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2006年10期

2 余小鵬;;一種基于多層關(guān)聯(lián)規(guī)則的推薦算法研究[J];計(jì)算機(jī)應(yīng)用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進(jìn)[J];計(jì)算機(jī)應(yīng)用與軟件;2008年09期

4 張立燕;;一種基于用戶事務(wù)模式的推薦算法[J];福建電腦;2009年03期

5 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強(qiáng);;智能博物館環(huán)境下的個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年19期

7 王文;;個(gè)性化推薦算法研究[J];電腦知識(shí)與技術(shù);2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進(jìn)評價(jià)估計(jì)的混合推薦算法研究[J];微計(jì)算機(jī)信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識(shí)下的多重態(tài)度個(gè)性化推薦算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

相關(guān)會(huì)議論文 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個(gè)性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個(gè)性化推薦算法[A];2008年計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

4 周玉妮;鄭會(huì)頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動(dòng)商務(wù)個(gè)性化推薦系統(tǒng)[A];社會(huì)經(jīng)濟(jì)發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會(huì)第17屆學(xué)術(shù)年會(huì)論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時(shí)推薦算法[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會(huì)議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：2280647