基于兴趣预测和热点分析的联合推荐算法研究

被引：3

作者：

叶加加

赵逢禹

机构：

[1] 上海理工大学光电信息与计算机工程学院

来源：

软件导刊 | 2016年 / 15卷 / 09期

关键词：

贝叶斯网络; 兴趣预测; 热点信息; 联合推荐;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

摘要：

兴趣模型是一种根据用户的行为和偏好建立起来的数学模型,它反映用户在一段时期内对信息需求的主要倾向。通常的兴趣模型推荐主要基于用户兴趣,没有考虑到热点信息对用户的影响以及存在冷启动的问题。提出一种基于兴趣预测和热点分析的联合推荐算法,利用贝叶斯网络对用户兴趣进行预测,并利用基于速度增长的预测方法对当前的热点信息进行预测。该方法综合考虑了兴趣预测与热点预测,能够有效增强用户兴趣预测准确度。实验证明,该方法(BPUR)比传统的Bayesian方法准确率更高,能够有效避免新用户的冷启动问题。

引用

页码：25 / 28

页数：4

共 10 条

[1]

Breaking News Detection and Tracking in Twitter. S. Phuvipadawat,T.Murata. Web Intelligence and Intelligent Agent Technology (WI-IAT),2010 IEEE/WIC/ACM International Conference on . 2010

[2] Towards a graph-based user profile modeling for a session-based personalized search [J].

Daoud, Mariam ;

Lechani, Lynda-Tamine ;

Boughanem, Mohand .

KNOWLEDGE AND INFORMATION SYSTEMS, 2009, 21 (03) :365-398

[3] 基于速度增长的微博热点话题发现 [J].

薛素芝 ;

鲁燃 ;

任圆圆 .

计算机应用研究, 2013, 30 (09) :2598-2601

[4]

个性化服务中基于支持向量机的用户兴趣挖掘分析[J]. 胡昌平,胡吉明. 报学报. 2009 (04)

[5]

Bayesian Adaptive User Profiling with Explicit&ImplicitFeedback. Philip Zigoris,Yi Zhang. ACM Conference on Information and Knowledge Management (CIKM) . 2006

[6]

Event threading within news topics. Nallapati R,Feng A,Peng F.et al. Proceedings of the Thirteenth ACM Conference on Information and Knowledge Management . 2004

[7]

Opinion-based user profile modeling for contextual suggestions. YANG PEILIN,FANG HUI. Proceedings of the 2013Conference on the Theory of Information Retrieval . 2013

[8]

基于微博社交网络的舆情分析模型及实现[D]. 张劭捷.华南理工大学 2011

[9]

Emerging Topic Detection on Twitterbased on Temporal and Social Terms Evaluation. Cataldi M,Caro L,Schifanella C. Proceedings of theTenth International Workshop on Multimedia Data Mining . 2010

[10]

Implicit interest indicators. Claypool M,Lee P,Wased M,et al. Proceedings of the ACM Intelligent User Interfaces Conference (IUI) . 2001

← 1 →