【摘要】：[目的/意義]針對現(xiàn)有的虛擬社區(qū)推薦方法缺乏兼顧推薦準確性和新穎性的問題,將數(shù)據(jù)挖掘技術與信息推薦方法相結合,提出了基于用戶-主題關聯(lián)挖掘的虛擬社區(qū)推薦方法。[方法/過程]該方法通過構建用戶-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程,使得推薦結果能在保證高準確性的前提下,兼顧推薦的新穎性。[結果/結論]實驗結果表明,該方法取得了理想的預期結果,推薦效果既能保證準確性,又能體現(xiàn)新穎性。
【圖文】：

椒ò闥ㄓ沒Ы縑Ｓ胂嗨貧燃撲恪?社區(qū)建模與距離計算、智能推薦三部分組成。用戶建模與相似度計算的主要目的是通過利用用戶基本信息和歷史偏好信息構建用戶矩陣，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聯(lián)，實現(xiàn)用戶與用戶之間基于社區(qū)主題的相似度計算;社區(qū)建模與相似度計算主要目的是將社區(qū)主題解析為主題分類樹結構，實現(xiàn)社區(qū)與社區(qū)之間的關聯(lián)挖掘與表示;智能推薦綜合利用了推薦準確性與推薦新穎性相結合，既保證推薦的準確性，又能體現(xiàn)推薦的新穎性。該方法的結構示意圖如圖1所示。圖1VCＲM－UAM方法結構圖1．1用戶建模與相似度計算用戶建模與相似度計算主要包括三部分內容:用戶管理矩陣建模、用戶－主題關聯(lián)矩陣建模、用戶－用戶相似度計算。Step1:用戶關聯(lián)矩陣建模。假設用戶集合U={u1，u2，…，ui，…，un}表示虛擬社區(qū)中共有n個用戶，ui為其中的任意一個用戶且ui={(k1，w1)，(k2，w2)，…，(km，wm)}，，其中(k1，k2，…，km)表示刻畫用戶興趣偏好的特征概念，(w1，w2，…，wm)表示相關特征概念在在用戶興趣偏好中的權重。Christakis等［3］通過研究發(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聯(lián)，則其行為和興趣會相互受到影響。因此，本文通過構建用戶關聯(lián)矩陣來體現(xiàn)虛擬社區(qū)中的這種關系。假設用戶關聯(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存在直接或間接關聯(lián)，則a(ui，uj)=1;若用戶ui與uj不存在任何關聯(lián)，則a(ui，uj)=0，即:a(ui，uj)=1，用戶ui與uj存?

VCＲM－UAM方法結構圖

【參考文獻】

相關期刊論文 前6條

1 武慧娟;秦雯;竇平安;孫鴻飛;;社會化標注系統(tǒng)中個性化信息推薦動態(tài)模型研究[J];情報科學;2016年06期

2 胡潛;石宇;;圖書主題對用戶標簽使用行為影響研究[J];圖書情報工作;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];情報科學;2016年02期

4 余騫;彭智勇;洪亮;萬言歷;;基于用戶鄰域和主題的新穎性Web社區(qū)推薦方法[J];軟件學報;2016年05期

5 譚龍江;;基于用戶活動事件的社會網(wǎng)絡推薦模型[J];情報科學;2015年11期

6 孟祥武;劉樹棟;張玉潔;胡勛;;社會化推薦系統(tǒng)研究[J];軟件學報;2015年06期

【共引文獻】

相關期刊論文 前10條

1 喬雨;李玲娟;;融合用戶相似度與評分信息的協(xié)同過濾算法[J];南京郵電大學學報(自然科學版);2017年03期

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

3 邰楊芳;陳新國;;社會化標注環(huán)境下用戶信息行為的集成化模型及實證研究[J];圖書館;2017年06期

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

5 劉靜;武文琪;李驍;劉永利;王建芳;;基于用戶興趣和項目屬性的協(xié)同過濾算法[J];計算機應用與軟件;2017年05期

6 曾安;徐小強;;融合信任關系和有用性評價的矩陣分解推薦方法[J];計算機科學;2017年04期

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

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

9 鄧小方;鐘元生;呂琳媛;王明文;熊乃學;;融合社交網(wǎng)絡的物質擴散推薦算法[J];山東大學學報(理學版);2017年03期

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

【二級參考文獻】

相關期刊論文 前10條

1 林鑫;周知;;用戶認知對標簽使用行為的影響分析——基于電影社會化標注數(shù)據(jù)的實證分析[J];情報理論與實踐;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)字圖書館論壇;2015年02期

3 胡勛;孟祥武;張玉潔;史艷翠;;一種融合項目特征和移動用戶信任關系的推薦算法[J];軟件學報;2014年08期

4 張云中;楊萌;;Tax-folk混合導航:社會化標注系統(tǒng)資源聚合的新模型[J];中國圖書館學報;2014年03期

5 馬費成;張斌;;圖書標注環(huán)境下用戶的認知特征[J];中國圖書館學報;2014年01期

6 安維;劉啟華;張李義;;個性化推薦系統(tǒng)的多樣性研究進展[J];圖書情報工作;2013年20期

7 宗剛;趙曉東;;基于K-核分析的中國啤酒品牌二分網(wǎng)絡結構研究[J];北京工業(yè)大學學報;2013年06期

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

9 劉啟華;;基于情境歷史的移動用戶偏好挖掘研究[J];圖書情報工作;2012年20期

10 孟祥武;胡勛;王立才;張玉潔;;移動推薦系統(tǒng)及其應用[J];軟件學報;2013年01期

本文編號：2583041