期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于用户特征和项目属性的混合协同过滤推荐

在线阅读 下载PDF
导出
摘要 协同过滤技术在电子商务领域里已经得到广泛的研究和应用,但是传统的协同过滤方法的精确性问题以及数据稀疏性问题,严重影响了最终的推荐质量。针对这些问题,本文提出一种结合用户特征和项目属性的混合协同过滤方法。该方法不但能够继承基于用户协同过滤奇异性发现的优点,还能够缓解稀疏性问题,同时提高推荐精度。实验结果表明,本文所提出的方法明显优于传统的基于用户和项目的协同过滤方法,产生的推荐结果更加准确。
作者 廖新考
机构地区 同济大学软件学院
出处 《福建电脑》 2010年第7期102-103,139,共3页 Journal of Fujian Computer
关键词 用户特征 项目属性 协同过滤 推荐系统
分类号 TP311 [自动化与计算机技术—计算机软件与理论]
  • 相关文献

参考文献7

  • 1Sarwar,B.M.,Karypis,G.,Konstan.J.A.,and Ricdl,J.,Item-based Collaborative filtering Recommendation Algoriths[C],Proceedings of the 10th International World Wide Web Conference,pp.285-295,ACM Press,2001.
  • 2Sarwar B,Konstan J,Borchers A,et al.Using filtering agents to improve prediction quality in the groupLens research collaborative filtering system[C].In:Proc.ACM Conf.Computer Supported Cooperative Work(CSCw).New York:ACM Press,1998,345-354.
  • 3邓爱林,朱扬勇,施伯乐.基于项目评分预测的协同过滤推荐算法[J].软件学报,2003,14(9):1621-1628. 被引量：566
  • 4赵亮,胡乃静,张守志.个性化推荐算法设计[J].计算机研究与发展,2002,39(8):986-991. 被引量：140
  • 5彭玉,程小平.基于属性相似性的Item-based协同过滤算法[J].计算机工程与应用,2007,43(14):144-147. 被引量：21
  • 6Breese J,Heckerman D,Kadie C.Empirical Analysis of Predictive Algorithms for Cotlaborative Filtering[A].Proceedings of the 14th Conference on Uncertainty in Artificial Intel ligence[C].Madison:Morgan Kaufmann,1998,p43-52.
  • 7Konstan J,Miller B,Maltz D,Herlocker J,et al.Grouplens:Applying Collaborative Filtering to Usenet News[J].Communications of the ACM,1997,40(3):77-87.

二级参考文献18

  • 1Brccsc J, Hcchcrman D, Kadic C. Empirical analysis of predictive algorithms for collaborative filtering. In: Proceedings of the 14th Conference on Uncertainty in Artificial Intelligence (UAI'98). 1998.43～52.
  • 2Goldberg D, Nichols D, Oki BM, Terry D. Using collaborative filtering to weave an information tapestry. Communications of the ACM, 1992,35(12):61～70.
  • 3Resnick P, lacovou N, Suchak M, Bergstrom P, Riedl J. Grouplens: An open architecture for collaborative filtering of netnews. In:Proceedings of the ACM CSCW'94 Conference on Computer-Supported Cooperative Work. 1994. 175～186.
  • 4Shardanand U, Mats P. Social information filtering: Algorithms for automating "Word of Mouth". In: Proceedings of the ACM CHI'95 Conference on Human Factors in Computing Systems. 1995. 210～217.
  • 5Hill W, Stead L, Rosenstein M, Furnas G. Recommending and evaluating choices in a virtual community of use. In: Proceedings of the CHI'95. 1995. 194～201.
  • 6Sarwar B, Karypis G, Konstan J, Riedl J. Item-Based collaborative filtering recommendation algorithms. In: Proceedings of the 10th International World Wide Web Conference. 2001. 285～295.
  • 7Chickering D, Hecherman D. Efficient approximations for the marginal likelihood of Bayesian networks with hidden variables.Machine Learning, 1997,29(2/3): 181～212.
  • 8Dempster A, Laird N, Rubin D. Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistical Society, 1977,B39:1～38.
  • 9Thiesson B, Meek C, Chickering D, Heckerman D. Learning mixture of DAG models. Technical Report, MSR-TR-97-30, Redmond:Microsoft Research, 1997.
  • 10Sarwar B, Karypis G, Konstan J, Riedl J. Analysis of recommendation algorithms for E-commerce. In: ACM Conference on Electronic Commerce. 2000. 158～167.

共引文献679

福建电脑
2010年 第7期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部