針對(duì)傳統(tǒng)情境感知推薦算法推薦精確度低和適用環(huán)境受限等問題,提出了一種可行的解決方案。該方案可以根據(jù)檢測到的情境信息找到相關(guān)的媒體內(nèi)容,比僅依賴特征提取的方案更有效。首先,利用情境數(shù)據(jù)和搜索信息來識(shí)別所選項(xiàng)的情境與特定情境中用戶的興趣度之間的隱藏關(guān)系,并構(gòu)建未知排名的推薦模型。然后,通過使用給定的情境列表來計(jì)算用戶對(duì)項(xiàng)目的預(yù)期排名分?jǐn)?shù),從而進(jìn)行情境感知評(píng)級(jí)。根據(jù)用戶的情境參與選擇新項(xiàng)目,從而使檢測到的情境有助于促進(jìn)對(duì)相關(guān)項(xiàng)目的搜索。進(jìn)一步使用優(yōu)化函數(shù)來最大化結(jié)果推薦的平均精度（MAP）。實(shí)驗(yàn)結(jié)果表明,與目前較為先進(jìn)的兩種算法相比,提出的方法表現(xiàn)出了比傳統(tǒng)協(xié)同過濾算法更好的性能,且分別使平均絕對(duì)誤差值降低了1.8%和1.2%,在推薦精確度和召回率方面也均優(yōu)于兩種對(duì)比方法。 

【文章來源】：計(jì)算機(jī)科學(xué). 2019,46(04)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
1 構(gòu)建模型
2 多重情境推薦
    2.1 相似性度量
    2.2 基于項(xiàng)目的最近鄰域推薦
    2.3 搜索用戶隱式興趣度
    2.4 情境感知評(píng)級(jí)
3 優(yōu)化平均精度均值
4 實(shí)驗(yàn)評(píng)估
    4.1 實(shí)驗(yàn)配置和數(shù)據(jù)集
    4.2 3種推薦模型的推薦性能對(duì)比
    4.3 檢索準(zhǔn)確性的分析及比較
結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于Pearson相關(guān)系數(shù)的快速虛擬網(wǎng)格匹配定位算法[J]. 郝德華,關(guān)維國,鄒林杰,焦萌.  計(jì)算機(jī)應(yīng)用. 2018(03)
[2]一種具有動(dòng)態(tài)鄰域特點(diǎn)的自適應(yīng)最近鄰居算法[J]. 馮驥,張程,朱慶生.  計(jì)算機(jī)科學(xué). 2017(12)
[3]基于情境感知的個(gè)性化推薦算法[J]. 時(shí)念云,李秋月.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(09)
[4]一個(gè)情境相關(guān)的雙層室內(nèi)空間數(shù)據(jù)模型[J]. 李敬雯,劉宇雷,秦小麟.  計(jì)算機(jī)科學(xué). 2017(08)
[5]基于余弦相似度的指紋匹配算法的室內(nèi)定位方法[J]. 劉冰,李文書.  科技通報(bào). 2017(03)
[6]一種基于相似社團(tuán)和節(jié)點(diǎn)角色劃分的社交網(wǎng)絡(luò)用戶推薦方案[J]. 鐘曉宇,劉宴兵,肖云鵬.  重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(04)
[7]基于情境感知的用戶個(gè)性化興趣建模[J]. 葛桂麗,袁凌云,王興超.  計(jì)算機(jī)應(yīng)用研究. 2017(04)
[8]基于語義關(guān)聯(lián)和情景感知的個(gè)性化推薦方法研究[J]. 李楓林,陳德鑫,梁少星.  情報(bào)雜志. 2015(10)

碩士論文
[1]基于情境感知的個(gè)性化推薦算法研究與應(yīng)用[D]. 梁卓越.中北大學(xué) 2017



本文編號(hào)：3006147