基于用户相似度的协同过滤推荐算法

TP393; 协同过滤推荐算法通过研究用户的喜好，实现从海量数据资源中为用户推荐其感兴趣的内容，在电子商务中得到了广泛的应用。然而，当此类算法应用到社交网络时，传统的评价指标与相似度计算的重点发生了变化，从而出现推荐算法效率偏低，推荐准确度下降问题，导致社交网络中用户交友推荐满意度偏低。针对这一问题，引入用户相似度概念，定义社交网络中属性相似度，相似度构成与计算方法，提出一种改进的协同过滤推荐算法，并给出推荐质量与用户满意度评价方法。实验结果表明：改进算法能有效改善社交网络中的推荐准确性并提高推荐效率，全面提高用户满意度。...

Celý popis

Uložené v:
Podrobná bibliografia
Vydané v:通信学报 číslo 2; s. 16 - 24
Hlavní autori: 荣辉桂, 火生旭, 胡春华, 莫进侠
Médium: Journal Article
Jazyk:Chinese
Vydavateľské údaje: 湖南大学 信息科学与工程学院,湖南 长沙,410082%湖南商学院 计算机与信息工程学院,湖南 长沙,410205 2014
Predmet:
collaborative filtering
attribute similarity
互动相似度
属性相似度
协同过滤
interactive similarity
用户满意度
user similarity
用户相似度
user satisfaction
ISSN:1000-436X
On-line prístup:Získať plný text
Tagy: Pridať tag
Žiadne tagy, Buďte prvý, kto otaguje tento záznam!
Popis
Shrnutí:TP393; 协同过滤推荐算法通过研究用户的喜好，实现从海量数据资源中为用户推荐其感兴趣的内容，在电子商务中得到了广泛的应用。然而，当此类算法应用到社交网络时，传统的评价指标与相似度计算的重点发生了变化，从而出现推荐算法效率偏低，推荐准确度下降问题，导致社交网络中用户交友推荐满意度偏低。针对这一问题，引入用户相似度概念，定义社交网络中属性相似度，相似度构成与计算方法，提出一种改进的协同过滤推荐算法，并给出推荐质量与用户满意度评价方法。实验结果表明：改进算法能有效改善社交网络中的推荐准确性并提高推荐效率，全面提高用户满意度。
ISSN:1000-436X
DOI:10.3969/j.issn.1000-436x.2014.02.003