【摘要】：推薦系統(tǒng)已經(jīng)被越來越頻繁地應用到電子商務網(wǎng)站與一些社交網(wǎng)站,在提高用戶滿意度的同時也帶來了巨大的商業(yè)利益.然而,當前的推薦算法由于原始數(shù)據(jù)的不完整性以及算法本身處理數(shù)據(jù)的特殊性,導致推薦效果不理想.例如,某些推薦系統(tǒng)會產(chǎn)生冷啟動、復雜興趣推薦困難、解釋性差等問題.為此,該文提出一種基于標簽權重評分的推薦系統(tǒng)模型(Label-Weight Rating based Recommendation,LWR),旨在使用一種較為簡潔的方式——標簽權重評分來獲取用戶最準確的評價和需求,并通過改進當前的一些推薦算法來處理標簽權重評分數(shù)據(jù),從而生成對用戶的推薦,最后以標簽權重評分的形式向用戶展示推薦結果并作出合理的解釋.擴展實驗中,通過電影推薦實驗,證明了該文技術的有效性和可行性.
[Abstract]:Recommendation system has been used more and more frequently in e-commerce websites and some social networks, which not only improves user satisfaction, but also brings huge business benefits. However, due to the incompleteness of the original data and the particularity of the algorithm itself, the current recommendation algorithm does not have ideal recommendation effect. For example, some recommendation systems may have some problems such as cold start, difficult recommendation of complex interest, poor interpretation and so on. In this paper, a recommendation system model based on tag weight scoring (Label-Weight Rating based Recommendation,LWR) is proposed, which aims to obtain the most accurate evaluation and demand of users by using a simple method, that is, tag weight scoring. Some current recommendation algorithms are improved to deal with the tag weight scoring data, so as to generate recommendations to the user. Finally, the recommended results are presented to the user in the form of tag weight score and reasonable explanation is made. In the extended experiment, the effectiveness and feasibility of this technique are proved by the film recommendation experiment.
【作者單位】： 哈爾濱工業(yè)大學計算機科學與技術學院;
【基金】：國家自然科學基金(61472099,61003046) 國家“九七三”重點基礎研究發(fā)展規(guī)劃項目基金(2012CB316200) 國家科技支撐計劃(2015BAH10F00)資助~~
【分類號】：TP391

【參考文獻】

相關期刊論文 前4條

1 朱郁筱;呂琳媛;;推薦系統(tǒng)評價指標綜述[J];電子科技大學學報;2012年02期

2 張子柯;周濤;張翼成;;Tag-Aware Recommender Systems:A State-of-the-Art Survey[J];Journal of Computer Science & Technology;2011年05期

3 劉建國;周濤;汪秉宏;;個性化推薦系統(tǒng)的研究進展[J];自然科學進展;2009年01期

4 曲懿恒;何嘉鵬;梁周揚;;多維評分標準在推薦系統(tǒng)中的應用[J];中國集體經(jīng)濟;2008年21期

【共引文獻】

相關期刊論文 前10條

1 程殿虎;丁香乾;宮會麗;;基于用戶認知水平的分類別推薦[J];中國海洋大學學報(自然科學版);2017年08期

2 汪佩;梁立;甘健侯;;基于用戶興趣變化的隱語義協(xié)同過濾算法[J];云南師范大學學報(自然科學版);2017年04期

3 張志清;李夢;胡竹青;;考慮商品重復購買周期的協(xié)同過濾推薦方法改進[J];武漢科技大學學報;2017年04期

4 段帥;賈奮勵;宋國民;高云亮;蓋森;;檢索應用中地理信息資源相似度計算方法研究[J];測繪工程;2017年06期

5 張宏;杜鵬;;基于標簽的商品推薦系統(tǒng)的設計[J];黑龍江科技信息;2017年17期

6 黃蘭;錢育蓉;于炯;鄭潔;馬婉貞;;融合可信度和時效標簽的商品推薦算法[J];微電子學與計算機;2017年06期

7 錢曉捷;張路一;;融合評分結構特征與偏好距離的協(xié)同過濾推薦算法[J];計算機工程;2017年05期

8 黃良發(fā);;基于移動APP行為的用戶興趣度計算[J];廣東通信技術;2017年05期

9 杜楚;彭會湘;李峰;王長力;;天基數(shù)據(jù)混合推薦方法研究[J];無線電工程;2017年05期

10 文勇軍;吳冬冬;王鍵;唐立軍;;Spark平臺下教育資源個性化推薦研究[J];智能計算機與應用;2017年02期

【二級參考文獻】

相關期刊論文 前4條

1 呂琳媛;;復雜網(wǎng)絡鏈路預測[J];電子科技大學學報;2010年05期

2 呂琳媛;陸君安;張子柯;閆小勇;吳曄;史定華;周海平;方錦清;周濤;;復雜網(wǎng)絡觀察[J];復雜系統(tǒng)與復雜性科學;2010年Z1期

3 劉建國;周濤;郭強;汪秉宏;;個性化推薦系統(tǒng)評價方法綜述[J];復雜系統(tǒng)與復雜性科學;2009年03期

4 蔣良孝,蔡之華;分布式數(shù)據(jù)挖掘研究[J];計算機與現(xiàn)代化;2002年09期

【相似文獻】

相關期刊論文 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時間序列性的推薦算法[J];計算機系統(tǒng)應用;2006年10期

2 余小鵬;;一種基于多層關聯(lián)規(guī)則的推薦算法研究[J];計算機應用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進[J];計算機應用與軟件;2008年09期

4 張立燕;;一種基于用戶事務模式的推薦算法[J];福建電腦;2009年03期

5 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強;;智能博物館環(huán)境下的個性化推薦算法[J];計算機工程與應用;2010年19期

7 王文;;個性化推薦算法研究[J];電腦知識與技術;2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進評價估計的混合推薦算法研究[J];微計算機信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機工程與應用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學學報(自然科學版);2011年03期

相關會議論文 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應用技術交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務個性化推薦系統(tǒng)[A];社會經(jīng)濟發(fā)展轉型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡的含時推薦算法[A];第五屆全國復雜網(wǎng)絡學術會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：2280647