本文選題：Jaccard相似度 + 位置行為�。� 參考：《計(jì)算機(jī)科學(xué)》2016年12期

【摘要】：協(xié)同過(guò)濾是現(xiàn)今推薦系統(tǒng)中應(yīng)用最為成功且最廣泛的推薦方法之一,其中概率矩陣分解算法作為一類重要的協(xié)同過(guò)濾方式,能夠通過(guò)學(xué)習(xí)低維的近似矩陣進(jìn)行推薦。然而,傳統(tǒng)的協(xié)同過(guò)濾推薦算法在推薦過(guò)程中只利用用戶-項(xiàng)目評(píng)分信息,忽略了用戶(項(xiàng)目)間的潛在影響力,影響了推薦精度。針對(duì)上述問(wèn)題,首先利用Jaccard相似度對(duì)用戶(項(xiàng)目)做預(yù)處理,而后通過(guò)用戶(項(xiàng)目)間的位置信息挖掘出其間的潛在影響力,成功找到最近鄰居集合;最后將該鄰居集合融合到基于概率矩陣分解的協(xié)同過(guò)濾推薦算法中。實(shí)驗(yàn)證明該算法較傳統(tǒng)的協(xié)同過(guò)濾推薦算法能夠更有效地預(yù)測(cè)用戶的實(shí)際評(píng)分,提高了推薦效果。
[Abstract]:Collaborative filtering is one of the most successful and widely used recommendation methods in today's recommendation systems. As an important collaborative filtering method, probability matrix decomposition algorithm can be recommended by learning low-dimensional approximate matrix. However, the traditional collaborative filtering recommendation algorithm only uses user-item scoring information in the process of recommendation, neglecting the potential influence between users (projects) and affecting the recommendation accuracy. To solve the above problems, Jaccard similarity is used to preprocess the user (project) firstly, and then the potential influence is mined through the location information between users (project), and the nearest neighbor set is found successfully. Finally, the neighbor set is fused into the collaborative filtering recommendation algorithm based on probability matrix decomposition. Experimental results show that the proposed algorithm is more effective than the traditional collaborative filtering recommendation algorithm in predicting users' actual score and improving the recommendation effect.
【作者單位】： 南京工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;中國(guó)人民解放軍73677部隊(duì);
【基金】：國(guó)家自然科學(xué)基金(61203072) 江蘇省重點(diǎn)研發(fā)計(jì)劃(社會(huì)發(fā)展)(BE2015697)資助
【分類號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊風(fēng)召;;一種基于特征表的協(xié)同過(guò)濾算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年06期

2 王嵐;翟正軍;;基于時(shí)間加權(quán)的協(xié)同過(guò)濾算法[J];計(jì)算機(jī)應(yīng)用;2007年09期

3 曾子明;張李義;;基于多屬性決策和協(xié)同過(guò)濾的智能導(dǎo)購(gòu)系統(tǒng)[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2008年02期

4 張富國(guó);;用戶多興趣下基于信任的協(xié)同過(guò)濾算法研究[J];小型微型計(jì)算機(jī)系統(tǒng);2008年08期

5 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評(píng)分矩陣的協(xié)同過(guò)濾算法[J];西安電子科技大學(xué)學(xué)報(bào);2009年04期

6 廖新考;;基于用戶特征和項(xiàng)目屬性的混合協(xié)同過(guò)濾推薦[J];福建電腦;2010年07期

7 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過(guò)濾策略改進(jìn)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年04期

8 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過(guò)濾算法[J];微計(jì)算機(jī)信息;2011年11期

9 宋緯華;田元;;基于蟻群算法的協(xié)同過(guò)濾推薦技術(shù)[J];農(nóng)業(yè)圖書(shū)情報(bào)學(xué)刊;2013年08期

10 康鐘榮;;基于項(xiàng)目特征分類與填充的協(xié)同過(guò)濾算法研究[J];河南科技;2013年12期

相關(guān)會(huì)議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項(xiàng)目分類的協(xié)同過(guò)濾算法[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過(guò)濾推薦算法[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過(guò)濾算法研究[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場(chǎng)景的協(xié)同過(guò)濾推薦算法[A];中國(guó)系統(tǒng)仿真學(xué)會(huì)第五次全國(guó)會(huì)員代表大會(huì)暨2006年全國(guó)學(xué)術(shù)年會(huì)論文集[C];2006年

5 李建國(guó);姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過(guò)濾推薦算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過(guò)濾推薦算法[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測(cè)量學(xué)的協(xié)同過(guò)濾相似度方法(英文)[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過(guò)濾推薦算法[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動(dòng)問(wèn)題的方法[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過(guò)濾推薦算法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集A輯一[C];2010年

相關(guān)博士學(xué)位論文 前6條

1 紀(jì)科;融合上下文信息的混合協(xié)同過(guò)濾推薦算法研究[D];北京交通大學(xué);2016年

2 程殿虎;基于協(xié)同過(guò)濾的社會(huì)網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國(guó)海洋大學(xué);2015年

3 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過(guò)濾瓶頸問(wèn)題研究[D];合肥工業(yè)大學(xué);2009年

4 孔維梁;協(xié)同過(guò)濾推薦系統(tǒng)關(guān)鍵問(wèn)題研究[D];華中師范大學(xué);2013年

5 夏培勇;個(gè)性化推薦技術(shù)中的協(xié)同過(guò)濾算法研究[D];中國(guó)海洋大學(xué);2011年

6 趙向宇;Top-N協(xié)同過(guò)濾推薦技術(shù)研究[D];北京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 高慧敏;融合占有度的時(shí)間遺忘協(xié)同過(guò)濾混合推薦算法研究[D];燕山大學(xué);2015年

2 蘇靖涵;面向SaaS多租戶的動(dòng)態(tài)推薦方法研究[D];遼寧大學(xué);2015年

3 徐曉妮;基于人工魚(yú)群算法的協(xié)同過(guò)濾推薦算法研究[D];遼寧大學(xué);2015年

4 羅培;移動(dòng)購(gòu)物導(dǎo)購(gòu)關(guān)鍵技術(shù)的研究與系統(tǒng)實(shí)現(xiàn)[D];西南交通大學(xué);2015年

5 李婧;融合用戶差異度及信息熵的協(xié)同過(guò)濾推薦算法[D];西安建筑科技大學(xué);2015年

6 主雪梅;基于混合協(xié)同過(guò)濾推薦的圖書(shū)館管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];燕山大學(xué);2015年

7 李智;基于QoS信息的服務(wù)推薦[D];上海交通大學(xué);2015年

8 馬興敏;基于蜂群算法的協(xié)同過(guò)濾推薦系統(tǒng)的研究與實(shí)現(xiàn)[D];中國(guó)石油大學(xué)(華東);2014年

9 王培英;社會(huì)網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn)及協(xié)同過(guò)濾推薦技術(shù)研究[D];北京交通大學(xué);2016年

10 劉登祥;基于分層策略的協(xié)同過(guò)濾算法研究[D];上海交通大學(xué);2015年

，

本文編號(hào)：1959128