【摘要】：[目的/意義]針對(duì)現(xiàn)有的虛擬社區(qū)推薦方法缺乏兼顧推薦準(zhǔn)確性和新穎性的問(wèn)題,將數(shù)據(jù)挖掘技術(shù)與信息推薦方法相結(jié)合,提出了基于用戶-主題關(guān)聯(lián)挖掘的虛擬社區(qū)推薦方法。[方法/過(guò)程]該方法通過(guò)構(gòu)建用戶-用戶相似度矩陣、社區(qū)-社區(qū)主題距離矩陣、基于矩陣分解的智能推薦等過(guò)程,使得推薦結(jié)果能在保證高準(zhǔn)確性的前提下,兼顧推薦的新穎性。[結(jié)果/結(jié)論]實(shí)驗(yàn)結(jié)果表明,該方法取得了理想的預(yù)期結(jié)果,推薦效果既能保證準(zhǔn)確性,又能體現(xiàn)新穎性。
【圖文】：

椒ò闥ㄓ沒(méi)Ы縑Ｓ胂嗨貧燃撲恪?社區(qū)建模與距離計(jì)算、智能推薦三部分組成。用戶建模與相似度計(jì)算的主要目的是通過(guò)利用用戶基本信息和歷史偏好信息構(gòu)建用戶矩陣，然后從用戶在虛擬社區(qū)中的與其他用戶交互信息中挖掘用戶與用戶之間的關(guān)聯(lián)，實(shí)現(xiàn)用戶與用戶之間基于社區(qū)主題的相似度計(jì)算;社區(qū)建模與相似度計(jì)算主要目的是將社區(qū)主題解析為主題分類樹(shù)結(jié)構(gòu)，實(shí)現(xiàn)社區(qū)與社區(qū)之間的關(guān)聯(lián)挖掘與表示;智能推薦綜合利用了推薦準(zhǔn)確性與推薦新穎性相結(jié)合，既保證推薦的準(zhǔn)確性，又能體現(xiàn)推薦的新穎性。該方法的結(jié)構(gòu)示意圖如圖1所示。圖1VCＲM－UAM方法結(jié)構(gòu)圖1．1用戶建模與相似度計(jì)算用戶建模與相似度計(jì)算主要包括三部分內(nèi)容:用戶管理矩陣建模、用戶－主題關(guān)聯(lián)矩陣建模、用戶－用戶相似度計(jì)算。Step1:用戶關(guān)聯(lián)矩陣建模。假設(shè)用戶集合U={u1，u2，…，ui，…，un}表示虛擬社區(qū)中共有n個(gè)用戶，ui為其中的任意一個(gè)用戶且ui={(k1，w1)，(k2，w2)，…，(km，wm)}，，其中(k1，k2，…，km)表示刻畫(huà)用戶興趣偏好的特征概念，(w1，w2，…，wm)表示相關(guān)特征概念在在用戶興趣偏好中的權(quán)重。Christakis等［3］通過(guò)研究發(fā)現(xiàn)，在虛擬社區(qū)中，如果用戶與用戶之間存在直接或間接的關(guān)聯(lián)，則其行為和興趣會(huì)相互受到影響。因此，本文通過(guò)構(gòu)建用戶關(guān)聯(lián)矩陣來(lái)體現(xiàn)虛擬社區(qū)中的這種關(guān)系。假設(shè)用戶關(guān)聯(lián)矩陣A為布爾矩陣且A={a(u1，u2)，a(u1，u3)，…，a(ui，uj)，…，a(up，uq)}，若用戶ui與uj存在直接或間接關(guān)聯(lián)，則a(ui，uj)=1;若用戶ui與uj不存在任何關(guān)聯(lián)，則a(ui，uj)=0，即:a(ui，uj)=1，用戶ui與uj存?

VCＲM－UAM方法結(jié)構(gòu)圖

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 武慧娟;秦雯;竇平安;孫鴻飛;;社會(huì)化標(biāo)注系統(tǒng)中個(gè)性化信息推薦動(dòng)態(tài)模型研究[J];情報(bào)科學(xué);2016年06期

2 胡潛;石宇;;圖書(shū)主題對(duì)用戶標(biāo)簽使用行為影響研究[J];圖書(shū)情報(bào)工作;2016年08期

3 劉啟華;;基于興趣社區(qū)和信任鄰居的混合推薦研究[J];情報(bào)科學(xué);2016年02期

4 余騫;彭智勇;洪亮;萬(wàn)言歷;;基于用戶鄰域和主題的新穎性Web社區(qū)推薦方法[J];軟件學(xué)報(bào);2016年05期

5 譚龍江;;基于用戶活動(dòng)事件的社會(huì)網(wǎng)絡(luò)推薦模型[J];情報(bào)科學(xué);2015年11期

6 孟祥武;劉樹(shù)棟;張玉潔;胡勛;;社會(huì)化推薦系統(tǒng)研究[J];軟件學(xué)報(bào);2015年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 喬雨;李玲娟;;融合用戶相似度與評(píng)分信息的協(xié)同過(guò)濾算法[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年03期

2 胡潛;明均仁;;基于用戶-主題關(guān)聯(lián)挖掘的虛擬社區(qū)推薦方法研究[J];情報(bào)雜志;2017年06期

3 邰楊芳;陳新國(guó);;社會(huì)化標(biāo)注環(huán)境下用戶信息行為的集成化模型及實(shí)證研究[J];圖書(shū)館;2017年06期

4 吳崢;陳俊;李靈芳;胡偉健;;基于交集占比與時(shí)間衰減的協(xié)同過(guò)濾推薦算法研究[J];軟件導(dǎo)刊;2017年05期

5 劉靜;武文琪;李驍;劉永利;王建芳;;基于用戶興趣和項(xiàng)目屬性的協(xié)同過(guò)濾算法[J];計(jì)算機(jī)應(yīng)用與軟件;2017年05期

6 曾安;徐小強(qiáng);;融合信任關(guān)系和有用性評(píng)價(jià)的矩陣分解推薦方法[J];計(jì)算機(jī)科學(xué);2017年04期

7 金濤;謝瑾奎;楊宗源;;社交網(wǎng)絡(luò)中快速群組生成及群組推薦研究[J];小型微型計(jì)算機(jī)系統(tǒng);2017年03期

8 朱文強(qiáng);鐘元生;徐軍;;社交信任下的可信服務(wù)推薦方法[J];小型微型計(jì)算機(jī)系統(tǒng);2017年03期

9 鄧小方;鐘元生;呂琳媛;王明文;熊乃學(xué);;融合社交網(wǎng)絡(luò)的物質(zhì)擴(kuò)散推薦算法[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2017年03期

10 陳曦;成韻姿;;一種優(yōu)化組合相似度的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)工程與科學(xué);2017年01期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林鑫;周知;;用戶認(rèn)知對(duì)標(biāo)簽使用行為的影響分析——基于電影社會(huì)化標(biāo)注數(shù)據(jù)的實(shí)證分析[J];情報(bào)理論與實(shí)踐;2015年10期

2 胡潛;陳鈺瑋;曹高輝;;用戶交互信息接收中的感知因素及其影響——基于TAM模型的分析[J];數(shù)字圖書(shū)館論壇;2015年02期

3 胡勛;孟祥武;張玉潔;史艷翠;;一種融合項(xiàng)目特征和移動(dòng)用戶信任關(guān)系的推薦算法[J];軟件學(xué)報(bào);2014年08期

4 張?jiān)浦?楊萌;;Tax-folk混合導(dǎo)航:社會(huì)化標(biāo)注系統(tǒng)資源聚合的新模型[J];中國(guó)圖書(shū)館學(xué)報(bào);2014年03期

5 馬費(fèi)成;張斌;;圖書(shū)標(biāo)注環(huán)境下用戶的認(rèn)知特征[J];中國(guó)圖書(shū)館學(xué)報(bào);2014年01期

6 安維;劉啟華;張李義;;個(gè)性化推薦系統(tǒng)的多樣性研究進(jìn)展[J];圖書(shū)情報(bào)工作;2013年20期

7 宗剛;趙曉東;;基于K-核分析的中國(guó)啤酒品牌二分網(wǎng)絡(luò)結(jié)構(gòu)研究[J];北京工業(yè)大學(xué)學(xué)報(bào);2013年06期

8 劉飛飛;;數(shù)字圖書(shū)館個(gè)性化信息推薦系統(tǒng)算法研究[J];情報(bào)科學(xué);2012年12期

9 劉啟華;;基于情境歷史的移動(dòng)用戶偏好挖掘研究[J];圖書(shū)情報(bào)工作;2012年20期

10 孟祥武;胡勛;王立才;張玉潔;;移動(dòng)推薦系統(tǒng)及其應(yīng)用[J];軟件學(xué)報(bào);2013年01期

本文編號(hào)：2583041