电子商务推荐系统中群体用户推荐问题研究

被引:32
作者
梁昌勇 [1 ,2 ]
冷亚军 [1 ,2 ]
王勇胜 [3 ]
戚筱雯 [1 ,2 ]
机构
[1] 合肥工业大学管理学院
[2] 过程优化与智能决策教育部重点实验室
[3] 不详
基金
高等学校博士学科点专项科研基金;
关键词
电子商务推荐系统; 群体用户推荐; 协同过滤; 领域专家法;
D O I
10.16381/j.cnki.issn1003-207x.2013.03.005
中图分类号
F713.36 [电子贸易、网上贸易]; TP391.3 [检索机];
学科分类号
1201 ;
摘要
尽管传统的电子商务推荐系统在个体用户推荐方面取得了巨大成功,但它并不适用于向群体用户进行推荐。随着虚拟社区中群体用户的不断增加,构建群体推荐系统,向群体用户提供个性化推荐,减少他们搜集信息所耗费的时间和精力显得越来越重要。基于此,本文提出了一种新颖的推荐方法结合领域专家法的群体用户推荐算法。该算法以基于项目的协同过滤技术为基础,根据群体成员间的相互作用确定群体偏好,由群体偏好产生推荐,推荐过程中存在的成员未评分项采用领域专家法进行预测填充,此外本文算法还考虑了成员间相似关系对推荐质量的影响。实验结果表明了本文算法的有效性。
引用
收藏
页码:153 / 158
页数:6
相关论文
共 7 条
[1]   基于PCA-SOM的混合协同过滤模型 [J].
郁雪 ;
李敏强 .
系统工程理论与实践, 2010, 30 (10) :1850-1854
[2]   基于领域最近邻的协同过滤推荐算法 [J].
李聪 ;
梁昌勇 ;
马丽 .
计算机研究与发展, 2008, (09) :1532-1538
[3]   基于项目评分预测的协同过滤推荐算法 [J].
邓爱林 ;
朱扬勇 ;
施伯乐 .
软件学报, 2003, (09) :1621-1628
[4]   Collaborative filtering with ordinal scale-based implicit ratings for mobile music recommendations [J].
Lee, Seok Kee ;
Cho, Yoon Ho ;
Kim, Soung Hie .
INFORMATION SCIENCES, 2010, 180 (11) :2142-2155
[5]   Collaborative filtering based on multi-channel diffusion [J].
Shang, Ming-Sheng ;
Jin, Ci-Hang ;
Zhou, Tao ;
Zhang, Yi-Cheng .
PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS, 2009, 388 (23) :4867-4871
[6]  
In pursuit of satisfaction and the prevention of embarrassment: affective state in group recommender systems[J] . Judith Masthoff,Albert Gatt.User Modeling and User-Adapted Interaction . 2006 (3)
[7]   Evaluating collaborative filtering recommender systems [J].
Herlocker, JL ;
Konstan, JA ;
Terveen, K ;
Riedl, JT .
ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) :5-53