基于优化协同过滤与加权平均的群推荐方法

被引:11
作者
朱阿敏 [1 ]
刘业政 [1 ,2 ]
韩建妙 [1 ]
机构
[1] 合肥工业大学管理学院
[2] 合肥工业大学过程优化与智能决策教育部重点实验室
关键词
群推荐; 项目相似性; 用户相似性; 中位数; 加权平均策略;
D O I
暂无
中图分类号
TP391.3 [检索机];
学科分类号
080201 [机械制造及其自动化];
摘要
为面向群体用户提供推荐,提高群体用户的信息搜索效率,提出了一种新颖的基于优化协同过滤与中位数加权平均的群推荐方法,综合考虑了项目的评分相似性与类型相似性,通过集成项目相似性与用户相似性预测出群体用户对项目的评分;在集结群体用户评分时,采用基于中位数的加权平均集结策略消除个别用户评分差异过大带来的影响,综合考虑群体用户在评分过程中的作用。通过预测项目评分实验与集结用户评分实验,结果表明,用新方法得到的准确率均高于常用的传统方法,从而表明该方法是有效的。
引用
收藏
页码:65 / 70
页数:6
相关论文
共 4 条
[1]
一种优化的协同过滤推荐算法 [J].
周军锋 ;
汤显 ;
郭景峰 .
计算机研究与发展, 2004, (10) :1842-1847
[2]
Generating recommendations for consensus negotiation in group personalization services[J] Maria Salamó;Kevin McCarthy;Barry Smyth Personal and Ubiquitous Computing 2012,
[3]
Evaluating collaborative filtering recommender systems[J] Jonathan L. Herlocker;Joseph A. Konstan;Loren G. Terveen;John T. Riedl ACM Transactions on Information Systems (TOIS) 2004,
[4]
Let's browse: a collaborative browsing agent[J] H. Lieberman;N. van Dyke;A. Vivacqua Knowledge-Based Systems 1999,