融合奇异性和扩散过程的协同过滤模型

被引：30

作者：

杨兴耀 ^{[1
]}

于炯 ^{[1
,2
]}

吐尔根依布拉音 ^{[1
]}

廖彬 ^{[1
]}

钱育蓉 ^{[2
]}

机构：

[1] 新疆大学信息科学与工程学院

[2] 新疆大学软件学院

来源：

软件学报 | 2013年 / 24卷 / 08期

关键词：

推荐系统; 协同过滤; 相似性度量; 奇异性; 扩散过程;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

作为解决信息过载问题的有效方式,推荐系统能够根据用户偏好对海量信息进行过滤,为用户提供个性化的推荐.但在推荐过程中,性能表现优异的协同过滤模型并没有充分利用上下文信息,这在一定程度上使系统面临性能瓶颈.为了进一步提高系统性能,从评分上下文信息着手,通过对项目评分进行分类统计获得评分奇异性,同时借鉴多渠道扩散相似性模型将推荐系统作为用户-项目二分网络的思想,提出了融合奇异性和扩散过程的协同过滤模型(collaborative filtering model fusing singularity and diffusion process,简称CFSDP).为了表明模型的优越性,比较实验基于MovieLens,NetFlix和Jester这3个不同的数据集展开.实验结果表明,该模型不仅具有良好的扩展性,而且在合理的时间开销下,可以显著提高系统的预测和推荐质量.

引用

页码：1868 / 1884

页数：17

共 19 条

[1] 互联网推荐系统比较研究 [J].

许海玲 ;

吴潇 ;

李晓东 ;

阎保平 .

软件学报, 2009, 20 (02) :350-362

[2] 集成项目类别与语境信息的协同过滤推荐算法 [J].

姚忠 ;

吴跃 ;

常娜 .

计算机集成制造系统, 2008, (07) :1449-1456

[3] 基于云模型的协同过滤推荐算法 [J].

张光卫 ;

李德毅 ;

李鹏 ;

康建初 ;

陈桂生 .

软件学报, 2007, (10) :2403-2411

[4]

A collaborative filtering similarity measure based on singularities[J] . Jesús Bobadilla,Fernando Ortega,Antonio Hernando.Information Processing and Management . 2011 (2)

[5] A framework for collaborative filtering recommender systems [J].

Bobadilla, Jesus ;

Hernando, Antonio ;

Ortega, Fernando ;

Bernal, Jesus .

EXPERT SYSTEMS WITH APPLICATIONS, 2011, 38 (12) :14609-14623

[6]

Collaborative filtering based on significances[J] . Jesús Bobadilla,Antonio Hernando,Fernando Ortega,Abraham Gutiérrez.Information Sciences . 2011 (1)

[7]

Learning materials recommendation using good learners’ ratings and content-based filtering[J] . Khairil Imran Ghauth,Nor Aniza Abdullah.Educational Technology Research and Development . 2010 (6)

[8] A study of demographic embodiments of product recommendation agents in electronic commerce [J].