基于用户兴趣和项目周期的协同过滤推荐算法

作者:叶锡君;袁培森;郭小清;闫智慧;何婧 刊名:南京理工大学学报(自然科学版) 上传者:陈斌

【摘要】协同过滤推荐算法以没有限定推荐对象类型、无需用户反馈信息等优势在众多个性化推荐算法中脱颖而出.但是现有算法缺乏对用户之间的差异和用户自身的兴趣考虑,对用户和项目之间的潜在关联考虑不充分,这些问题均会影响推荐精度.该文提出一种基于用户兴趣和项目周期的协同过滤推荐算法,该算法在计算相似度时引入用户兴趣权重UI、项目时间等因素,并采用融合因子将改进后所得用户和项目信息进行综合,获得推荐列表.对比实验得出:该算法在推荐精确度上提高了11.034%,研究结果表明:该算法可有效提高推荐精确度.

全文阅读

第 42卷 第 4期 2018年 8月 南京理工大学学报 Journal of Nanjing University of Science and Technology Vol.42 No.4 Aug 2018   收稿日期:2018-05-29    修回日期:2018-07-07   基金项目:国家自然科学基金(61502236);国家重点研发计划重点专项(2016YFD0300607);中央高校基本科研业 务费专项资金(KYZ200919)   作者简介:叶锡君(1964-),男,博士,副教授,主要研究方向:数据挖掘、计算机网络、生物信息学,E-mail:yexj@ njau.edu. cn;通讯作者:何婧 (1990 -),女,硕士生,主要研究方向:数据挖掘,E-mail: hejing0518@ 163.com。   引文格式:叶锡君,袁培森,郭小清,等. 基于用户兴趣和项目周期的协同过滤推荐算法[J]. 南京理工大学学报, 2018,42(4):392-400.   投稿网址:http: / / zrxuebao.njust.edu.cn 基于用户兴趣和项目周期的协同过滤推荐算法 叶锡君,袁培森,郭小清,闫智慧,何  婧 (南京农业大学 信息科学技术学院,江苏 南京 210095) 摘  要:协同过滤推荐算法以没有限定推荐对象类型、无需用户反馈信息等优势在众多个性化 推荐算法中脱颖而出。 但是现有算法缺乏对用户之间的差异和用户自身的兴趣考虑,对用户和 项目之间的潜在关联考虑不充分,这些问题均会影响推荐精度。 该文提出一种基于用户兴趣和 项目周期的协同过滤推荐算法,该算法在计算相似度时引入用户兴趣权重 UI、项目时间等因 素,并采用融合因子将改进后所得用户和项目信息进行综合,获得推荐列表。 对比实验得出:该 算法在推荐精确度上提高了 11.034%,研究结果表明:该算法可有效提高推荐精确度。 关键词:推荐算法;协同过滤;个性化;用户兴趣;项目周期;用户相似度;项目相似度;线性融合 中图分类号:TP391    文章编号:1005-9830(2018)04-0392-09 DOI:10.14177 / j.cnki.32-1397n.2018.42.04.002 Collaborative filtering recommendation algorithm based on user interest and project cycle Ye Xijun,Yuan Peisen,Gou Xiaoqing,Yan Zhihui,He Jing (School of Information Sciences and Technology,Nanjing Agricultural University,Nanjing 210095,China) Abstract:Collaborative filtering recommendation algorithm takes the advantage of non-restricting recommended object type, without-user feedback information and so on, and stands out in many personalized recommendation algorithms. However,the existing algorithms don’t consider the differ- ences between u

参考文献

引证文献

问答

我要提问