| 
  中国学术期刊网络出版总库
  关闭
基于评论与评分的协同过滤算法  
   推荐 CAJ下载 PDF下载
【英文篇名】 Collaborative filtering recommendation algorithm based on reviews and ratings
【下载频次】 ★★★★★
【作者】 李伟霖; 王成良; 文俊浩;
【英文作者】 Li Weilin; Wang Chengliang; Wen Junhao; School of Software Engineering; Chongqing University;
【作者单位】 重庆大学软件学院;
【文献出处】 计算机应用研究 , Application Research of Computers, 编辑部邮箱 2017年 02期  
期刊荣誉：中文核心期刊要目总览  ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 协同过滤; 数据稀疏性; 评论分析; 主题模型; 用户偏好;
【英文关键词】 collaborative filtering; sparsity problem; review analysis; topic model; user preference;
【摘要】 针对传统协同过滤算法中存在的数据稀疏性问题,结合用户评分及用户评论信息的特点,提出了基于评论与评分的user-based协同过滤算法和基于评论与评分的item-based协同过滤算法。该算法利用主题模型产生评论主题分布,利用评分数据生成评论态度影响因子,并通过评论态度影响因子来放大评论主题分布中的突出特征,建立更为准确的用户偏好与物品特征,进而进行评分预测与物品推荐。实验结果表明,该算法在稀疏数据集上可以获得较好的推荐效果,提高了推荐质量。
【英文摘要】 In order to overcome the sparsity problem of traditional collaborative filtering algorithm,combining the characteristics of user ratings with user reviews,this paper proposed user-based collaborative filtering with reviews and ratings,and itembased collaborative filtering with reviews and ratings. The algorithms utilized topic model to generate review topics distribution,and utilized ratings to generate review attitude. Then it used the review attitude to magnify the prominent aspects of review topics distr...
【基金】 国家自然科学基金资助项目(61379158); 重庆市科技计划项目基础与前沿研究计划资助项目(cstc2014jcyj A40054)
【更新日期】 2017-03-22
【分类号】 TP391.3
【正文快照】 0引言随着信息技术的飞速发展,信息过载问题日益突出,而推荐系统作为解决信息过载问题的有力工具,受到了越来越广泛的关注与研究。推荐系统通过各种显式或隐式的信息资源,为用户提供评分预测及商品服务推荐[1]。推荐算法是推荐系统的核心部分,不同的推荐算法利用了不同的信息资

xxx
【读者推荐文章】中国期刊全文数据库
【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。

工业技术
　 自动化技术、计算机技术
　　 计算技术、计算机技术
　　　 计算机的应用
　　　　 信息处理(信息加工)
　　　　　 检索机
  
 
  CNKI系列数据库编辑出版及版权所有：中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有：清华同方知网(北京)技术有限公司
其它数据库版权所有：各数据库编辑出版单位（见各库版权信息）
京ICP证040431号    互联网出版许可证 新出网证（京）字008号