【摘要】：針對傳統(tǒng)的協(xié)同過濾(CF)推薦算法中存在的數據稀疏性和推薦準確率不高的問題,提出了基于多源信息相似度的微博用戶推薦算法(MISUR)。首先,根據微博用戶的標簽信息運用K最近鄰(KNN)算法對用戶進行分類;然后,對得到的每個類中的用戶分別計算其多源信息(微博內容、交互關系和社交信息)的相似度;其次,引入時間權重和豐富度權重計算多源信息的總相似度,并根據其大小進行TOP-N用戶推薦;最后,在并行計算框架Spark上進行實驗。實驗結果表明,MISUR算法與CF算法和基于多社交行為的微博好友推薦算法(MBFR)相比,在準確率、召回率和效率方面都有較大幅度的提升,說明了MISUR算法的有效性。
文內圖片：
圖片說明：多源信息總相似度框架
[Abstract]:In order to solve the problems of data sparsity and recommendation accuracy in traditional collaborative filtering (CF) recommendation algorithm, a Weibo user recommendation algorithm (MISUR). Based on multi-source information similarity is proposed. Firstly, the K nearest neighbor (KNN) algorithm is used to classify the users according to the label information of Weibo users. Then, the similarity of their multi-source information (Weibo content, interaction and social information) is calculated for each class of users. Secondly, the time weight and richness weight are introduced to calculate the total similarity of multi-source information, and the TOP-N user recommendation is carried out according to its size. Finally, the experiment is carried out on the parallel computing framework Spark. The experimental results show that compared with CF algorithm and Weibo friend recommendation algorithm (MBFR) based on multi-social behavior, MISUR algorithm has a great improvement in accuracy, recall rate and efficiency, which shows the effectiveness of MISUR algorithm.
【作者單位】： 曲阜師范大學信息科學與工程學院;曲阜師范大學軟件學院;
【基金】：國家自然科學基金資助項目(61402258) 山東省本科高校教學改革研究項目(2015M102) 校級教學改革研究項目(jg05021)~~
【分類號】：TP391.3

【相似文獻】

相關期刊論文 前10條

1 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

2 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

3 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

4 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

5 王文;;個性化推薦算法研究[J];電腦知識與技術;2010年16期

6 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

7 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

8 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

9 尹長青;楊單稷;;基于視頻的智能推薦算法[J];科技傳播;2011年22期

10 吳泓辰;王新軍;成勇;彭朝暉;;基于協(xié)同過濾與劃分聚類的改進推薦算法[J];計算機研究與發(fā)展;2011年S3期

相關會議論文 前7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];第二十四屆中國數據庫學術會議論文集（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];第二十一屆中國數據庫學術會議論文集（技術報告篇）[C];2004年

4 梁莘q，

本文編號：2512703