| 使用二分图网络提高协同推荐的准确性 |
| |
| 引用本文： | 冷亚军,陆 青,张俊岭.使用二分图网络提高协同推荐的准确性[J].计算机科学,2015,42(3):256-260. |
| |
| 作者姓名： | 冷亚军 陆 青 张俊岭 |
| |
| 作者单位： | 1. 上海电力学院经济与管理学院 上海201300
2. 浙江师范大学经济与管理学院 金华321004 |
| |
| 基金项目： | 本文受国家自然科学基金项目(71201145),教育部人文社会科学研究基金项目(11YJC630283),上海高校选拔培养优秀青年教师科研专项基金项目(sdl10021),上海市教育委员会科研创新项目(15ZS064)资助 |
| |
| 摘 要： | 协同过滤是推荐系统中广泛使用的最成功的推荐技术,但却面临着严峻的稀疏性问题.评分数据稀疏性使得最近邻搜寻不够准确,导致推荐质量较差.使用二分图网络缓解协同过滤推荐系统中的稀疏性问题,即将用户和项目抽象为二分图网络中的节点,重新分配项目资源并计算项目间资源贴近度,据此填充用户未评分项目,将稀疏评分矩阵转化为完全矩阵.采用近邻传播聚类对评分矩阵进行聚类,提高算法的可扩展性.最后提出了两种不同的在线推荐策略:(1)通过加权目标用户所在类的邻居用户评分产生推荐(BNAPC1);(2)通过各个类的总体偏好产生推荐(BNAPC2).在MovieLens和Netflix数据集上进行了实验,结果表明BNAPC1的预测精度优于BNAPC2,且与其他几种常用的推荐算法相比仍具有一定优势.
|
| 关 键 词： | 推荐系统 协同过滤 二分图网络 近邻传播聚类 |
Using Bipartite Network for Enhancement of Collaborative Filtering |
| |
| LENG Ya-jun,LU Qing and ZHANG Jun-ling.Using Bipartite Network for Enhancement of Collaborative Filtering[J].Computer Science,2015,42(3):256-260. |
| |
| Authors: | LENG Ya-jun LU Qing and ZHANG Jun-ling |
| |
| Affiliation: | College of Economics and Management,Shanghai University of Electric Power,Shanghai 201300,China,College of Economics and Management,Shanghai University of Electric Power,Shanghai 201300,China and School of Economics and Management,Zhejiang Normal University,Jinhua 321004,China |
| |
| Abstract: | |
| |
| Keywords: | Recommender systems Collaborative filtering Bipartite network Affinity propagation clustering |
| 本文献已被 万方数据 等数据库收录！ |
|
点击此处可从《计算机科学》下载全文 |
|
