| 基于多维度上下文和双聚类的个性化推荐算法 |
| |
| 引用本文： | 李彤岩,蒲江岚.基于多维度上下文和双聚类的个性化推荐算法[J].计算机应用与软件,2021,38(5):294-299. |
| |
| 作者姓名： | 李彤岩 蒲江岚 |
| |
| 作者单位： | 成都信息工程大学通信工程学院 四川 成都610225 |
| |
| 基金项目： | 四川省高校重点实验室项目 |
| |
| 摘 要： | 随着数据的爆炸式增长,推荐系统中传统的协同过滤推荐算法出现了难以处理稀疏数据和准确率降低的问题.对此,提出一种基于多维度上下文和双聚类的个性化推荐算法(MCB).该算法采用K-means聚类方法分别对用户和项目进行双聚类,并在传统的项目评分预测算法上进行改进,提出一种多维度的个性化评分预测(MPRP)算法.MPRP算法利用上下文维度间的相关性对用户评分进行修正,并考虑用户评分的权重问题,引入基于统计学习的系统误差因子,提高了评分预测的准确性.实验结果表明,MCB算法具有预测误差更小、推荐结果的覆盖率和新颖性更高的优点.
|
| 关 键 词： | 个性化推荐 协同过滤 双聚类 多维度上下文 |
PERSONALIZED RECOMMENDATION ALGORITHM BASED ON MULTI-DIMENSIONAL CONTEXT AND BI-CLUSTERING |
| |
| Li Tongyan,Pu Jianglan.PERSONALIZED RECOMMENDATION ALGORITHM BASED ON MULTI-DIMENSIONAL CONTEXT AND BI-CLUSTERING[J].Computer Applications and Software,2021,38(5):294-299. |
| |
| Authors: | Li Tongyan Pu Jianglan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
