發(fā)布時(shí)間：2025-02-08 11:32

　　 大數(shù)據(jù)推薦系統(tǒng)的搜索空間較大導(dǎo)致推薦的響應(yīng)時(shí)間過(guò)長(zhǎng)。為權(quán)衡大數(shù)據(jù)推薦系統(tǒng)的時(shí)間效率和推薦性能,提出一種基于重引力搜索鏈接預(yù)測(cè)和評(píng)分傳播的大數(shù)據(jù)推薦系統(tǒng)。采用相對(duì)相似性指數(shù)度量用戶的相似性,采用廣義Meta Path模型建立相似圖;引入社區(qū)信息來(lái)提高局部鏈接預(yù)測(cè)的準(zhǔn)確率,從強(qiáng)社區(qū)提取優(yōu)化的子圖來(lái)實(shí)現(xiàn)局部鏈接的預(yù)測(cè),通過(guò)重引力搜索對(duì)子圖做優(yōu)化處理,從而縮小搜索空間;設(shè)計(jì)基于傳染病模型的網(wǎng)絡(luò)傳播策略,根據(jù)已有的模式探索隱藏的模式。基于公開(kāi)數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明,該算法有效地提高了推薦系統(tǒng)的準(zhǔn)確率和覆蓋率,并且響應(yīng)時(shí)間在可接受的范圍內(nèi)。

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖10 RC的實(shí)驗(yàn)結(jié)果

圖10RC的實(shí)驗(yàn)結(jié)果5.4與其他推薦系統(tǒng)的比較

圖1 推薦系統(tǒng)的主要模塊

圖1所示是推薦系統(tǒng)的主要模塊。本算法主要由3個(gè)階段組成:第一階段:計(jì)算用戶之間的相似性,該階段結(jié)合RSI和MetaPath來(lái)增強(qiáng)用戶間的相似性計(jì)算。第二階段:應(yīng)用鏈接預(yù)測(cè)算法發(fā)現(xiàn)隱藏的網(wǎng)絡(luò)鏈接,該階段設(shè)計(jì)了基于重引力搜索的鏈接預(yù)測(cè)算法,發(fā)現(xiàn)隱藏的用戶鏈接來(lái)緩解稀疏性問(wèn)題。第三階....

圖2 一個(gè)U-I網(wǎng)絡(luò)的實(shí)例

構(gòu)建一個(gè)廣義的用戶-項(xiàng)目網(wǎng)絡(luò)(User-Item,U-I),網(wǎng)絡(luò)的節(jié)點(diǎn)為用戶和項(xiàng)目,邊為加權(quán)的鏈接,表示用戶對(duì)于各個(gè)項(xiàng)目的評(píng)分。圖2所示是一個(gè)網(wǎng)絡(luò)的實(shí)例,圖中U表示用戶,I表示項(xiàng)目,網(wǎng)絡(luò)由4個(gè)用戶和6個(gè)項(xiàng)目組成,鏈接為用戶對(duì)于項(xiàng)目的評(píng)分。異構(gòu)網(wǎng)絡(luò)中存在不同類型的節(jié)點(diǎn)和鏈接,采用廣....

圖3 評(píng)分分級(jí)的示意圖

采用“用戶-項(xiàng)目-用戶”的Meta-Path,簡(jiǎn)稱為simUIU。simUIU計(jì)算加權(quán)Meta-Path的相似性,假設(shè)評(píng)分范圍為{1,2,3,4,5},將評(píng)分信息分為三個(gè)級(jí)別:低:{1,2},中:{3,4};高:{5}。圖3是評(píng)分分級(jí)的示意圖,將Meta-Path細(xì)分為三個(gè)加權(quán)的....

本文編號(hào)：4031458