|
|
|
|
【英文篇名】 |
Collaborative Filtering Recommendation Algorithm Based on User Attributes Clustering |
|
【下载频次】 |
★★★★★ |
|
【作者】 |
林康;
杨云;
秦怡;
闵玉涓; |
|
【英文作者】 |
LIN Kang;
YANG Yun;
QIN Yi;
MIN Yu-juan;
College of Information Engineering;
Yangzhou University; |
|
【作者单位】 |
扬州大学信息工程学院; |
|
【文献出处】 |
计算机与现代化
, Computer and Modernization, 编辑部邮箱
2016年 07期
期刊荣誉：ASPT来源刊 CJFD收录刊 |
|
【中文关键词】 |
协同过滤;
K-means聚类;
用户属性;
冷启动; |
|
【英文关键词】 |
collaborative filtering;
K-means clustering;
user attributes;
cold start; |
|
【摘要】 |
协同过滤算法利用大量数据,通过研究用户的喜好可以为用户推荐其感兴趣的项目,在电子商务得到了广泛应用。然而,此类算法在面临扩展性、数据稀疏性和冷启动等问题时,出现推荐准确度下降和推荐效率偏低的问题。针对这些问题,本文引入用户属性相似度的概念,使用K-means聚类算法将用户划分到恰当用户簇,预测用户对项目的评分。然后,通过混合加权的方法,将基于用户属性的K均值聚类的推荐算法与基于项目的协同过滤算法相融合,提出综合用户属性的协同过滤算法。通过在Movie Lens数据集上进行实验,结果表明本文所提出的算法具有可扩展性,同时在一定程度上缓解了冷启动问题,提高了推荐算法的预测准确度。 |
|
【英文摘要】 |
Collaborative filtering algorithm,which can recommend the items appeal to users from mass of data through studying the user's preferences is widely used in electronic commerce. However,collaborative filtering algorithm suffers from decreasing accuracy and inefficiency in scalability,data sparsity,and cold start. In order to solve there problems,the concept of user attribute similarity is introduced in this paper,and the user can be divided into appropriate user clusters to predict the user's ratings for a p... |
|
【基金】 |
国家自然科学基金资助项目(61402395);
江苏省自然科学基金资助项目(BK20140492) |
|
【更新日期】 |
2016-07-27 |
|
【分类号】 |
TP391.3 |
|
【正文快照】 |
0引言在信息处理技术中,个性化推荐服务是一种主要趋势。随着科技的发展,互联网上数据呈爆炸性增长,为了解决信息过载的问题,大量的解决方案呈现在用户面前,其中主流的方案有搜索引擎和分类目录。搜索引擎提供用户使用关键词在互联网上查找自己需要的信息,但它不能满足用户的个 |
|
| 【相似文献】 |
 |
中国期刊全文数据库 |
 |
|
|
中国优秀硕士学位论文全文数据库 |
|
|
|
中国博士学位论文全文数据库 |
|
|
|
中国重要会议论文全文数据库 |
|
|
|
中国重要报纸全文数据库 |
|
|
|
中国学术期刊网络出版总库 |
|
|
|
|
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
|
|
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。
|
|
|
| 
推荐 
