針對傳統(tǒng)情境感知推薦算法推薦精確度低和適用環(huán)境受限等問題,提出了一種可行的解決方案。該方案可以根據(jù)檢測到的情境信息找到相關(guān)的媒體內(nèi)容,比僅依賴特征提取的方案更有效。首先,利用情境數(shù)據(jù)和搜索信息來識別所選項的情境與特定情境中用戶的興趣度之間的隱藏關(guān)系,并構(gòu)建未知排名的推薦模型。然后,通過使用給定的情境列表來計算用戶對項目的預(yù)期排名分?jǐn)?shù),從而進行情境感知評級。根據(jù)用戶的情境參與選擇新項目,從而使檢測到的情境有助于促進對相關(guān)項目的搜索。進一步使用優(yōu)化函數(shù)來最大化結(jié)果推薦的平均精度（MAP）。實驗結(jié)果表明,與目前較為先進的兩種算法相比,提出的方法表現(xiàn)出了比傳統(tǒng)協(xié)同過濾算法更好的性能,且分別使平均絕對誤差值降低了1.8%和1.2%,在推薦精確度和召回率方面也均優(yōu)于兩種對比方法。 

【文章來源】：計算機科學(xué). 2019,46(04)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
1 構(gòu)建模型
2 多重情境推薦
    2.1 相似性度量
    2.2 基于項目的最近鄰域推薦
    2.3 搜索用戶隱式興趣度
    2.4 情境感知評級
3 優(yōu)化平均精度均值
4 實驗評估
    4.1 實驗配置和數(shù)據(jù)集
    4.2 3種推薦模型的推薦性能對比
    4.3 檢索準(zhǔn)確性的分析及比較
結(jié)束語


【參考文獻】：
期刊論文
[1]基于Pearson相關(guān)系數(shù)的快速虛擬網(wǎng)格匹配定位算法[J]. 郝德華,關(guān)維國,鄒林杰,焦萌.  計算機應(yīng)用. 2018(03)
[2]一種具有動態(tài)鄰域特點的自適應(yīng)最近鄰居算法[J]. 馮驥,張程,朱慶生.  計算機科學(xué). 2017(12)
[3]基于情境感知的個性化推薦算法[J]. 時念云,李秋月.  計算機系統(tǒng)應(yīng)用. 2017(09)
[4]一個情境相關(guān)的雙層室內(nèi)空間數(shù)據(jù)模型[J]. 李敬雯,劉宇雷,秦小麟.  計算機科學(xué). 2017(08)
[5]基于余弦相似度的指紋匹配算法的室內(nèi)定位方法[J]. 劉冰,李文書.  科技通報. 2017(03)
[6]一種基于相似社團和節(jié)點角色劃分的社交網(wǎng)絡(luò)用戶推薦方案[J]. 鐘曉宇,劉宴兵,肖云鵬.  重慶郵電大學(xué)學(xué)報(自然科學(xué)版). 2016(04)
[7]基于情境感知的用戶個性化興趣建模[J]. 葛桂麗,袁凌云,王興超.  計算機應(yīng)用研究. 2017(04)
[8]基于語義關(guān)聯(lián)和情景感知的個性化推薦方法研究[J]. 李楓林,陳德鑫,梁少星.  情報雜志. 2015(10)

碩士論文
[1]基于情境感知的個性化推薦算法研究與應(yīng)用[D]. 梁卓越.中北大學(xué) 2017



本文編號：3006147