数字图书馆个性化信息推荐系统算法研究

被引：4

作者：

刘飞飞

机构：

[1] 中南林业科技大学图书馆

来源：

情报科学 | 2012年 / 30卷 / 12期

关键词：

数字图书馆; 推荐系统; 粒子群优化; 双聚类;

D O I：

10.13833/j.cnki.is.2012.12.026

中图分类号：

G250.76 [电子图书馆、数字图书馆];

学科分类号：

1205 ; 120501 ;

摘要：

粒子群优化(PSO)模仿鸟群飞行觅食行为,通过粒子追随自己找到的最好解和整个群的最好解来完成优化。信息推荐服务是数字图书馆的一项重要的功能,本文提出应用多目标粒子群优化算法对用户和项之间的相似性同时进行聚类,为用户提供最优的信息推荐服务。在MovieLens数据集的实验结果表明我们的方法能够为用户提供有用的推荐意见,其性能优于其他推荐系统方法。

引用

页码：1820 / 1823+1829 +1829

页数：5

共 26 条

[1] 使用BP神经网络缓解协同过滤推荐算法的稀疏性问题 [J].

张锋 ;

常会友 .

计算机研究与发展, 2006, (04) :667-672

[2] 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

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

Herlocker, JL ;

Konstan, JA ;

Terveen, K ;

Riedl, JT .

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

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

Laumanns, M ;

Thiele, L ;

Deb, K ;

Zitzler, E .

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

[5]

Particle swarm optimization. Kennedy J,Eberhart RC. Proceedings of IEEE International Conference on Neural Networks . 1995

[6]

Horting hatches an egg:A new graph-theoretic approach to collaborative filtering. Wolf JL,Aggarwal CC,Wu KL,et al. Proceedings of the Fifth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD’99) . 1999

[7]

Analysis of recommendation algorithms for e-commerce. Sarwar B,Karypis G,Konstan J,et al. Proceedings of the Second ACM Conference on Electronic Commerce . 2000

[8]

Item-based collaborative filtering recommendation algorithms. Badrul Sarwar,George Karypis,Joseph Konstan,et al. Proceedings of the 10th International World Wide Web Conference . 2001

[9]

A Recommendation Algorithm Using Multi-Level Association Rules. Kim C,Kim J. Proceeding of the IEEE/WIC International Conference on Web Intelligence . 2003

[10]

A formal statistical approachto collaborative filtering. L.Ungar,Foster D.P. Proceedings of Confer ence on Automated Learning and Discovery (CON ALD’’98) . 1998

← 1 2 3 →