基于多目标优化双聚类的数字图书馆协同过滤推荐系统

被引：15

作者：

刘飞飞

机构：

[1] 中南林业科技大学图书馆

来源：

图书情报工作 | 2011年 / 55卷 / 07期

关键词：

数字图书馆; 推荐系统; 个性化服务; 协同过滤; 多目标; 双聚类;

D O I：

暂无

中图分类号：

TP391.3 [检索机]; G250.76 [电子图书馆、数字图书馆];

学科分类号：

摘要：

针对数字图书馆推荐系统,提出一种能够同时考虑用户和项之间的相似性的协同过滤(CF)方法,即应用多目标优化计算双聚类技术对行和列同时进行聚类,完成对用户和项相似性同时分组。为评估算法的效率,应用MovieLens数据集进行实验,结果表明该方法能够为用户提供有用的推荐意见,其性能优于其他CF方法。

引用

页码：111 / 113

页数：3

共 6 条

[1] 基于项目聚类的协同过滤推荐算法 [J].

邓爱林 ;

左子叶 ;

朱扬勇 .

小型微型计算机系统, 2004, (09) :1665-1670

[2] 电子商务推荐系统研究 [J].

黎星星 ;

黄小琴 ;

朱庆生 .

计算机工程与科学, 2004, (05) :7-10

[3] Nearest-biclusters collaborative filtering based on constant and coherent values [J].

Symeonidis, Panagiotis ;

Nanopoulos, Alexandros ;

Papadopoulos, Apostolos N. ;

Manolopoulos, Yannis .

INFORMATION RETRIEVAL, 2008, 11 (01) :51-75

[4] Evaluating collaborative filtering recommender systems [J].

Herlocker, JL ;

Konstan, JA ;

Terveen, K ;

Riedl, JT .

ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) :5-53

[5] Combining convergence and diversity in evolutionary multiobjective optimization [J].

Laumanns, M ;

Thiele, L ;

Deb, K ;

Zitzler, E .

EVOLUTIONARY COMPUTATION, 2002, 10 (03) :263-282

[6]

Clustering by pattern similarityin large data sets. Wang H,Wang W,Yang J,et al. Proceedings of the 2002 ACMSIGMOD Interna-tional Conference on Management of Data . 2002

← 1 →