融合社会网络和项目特征的移动应用推荐

被引：1

作者：

于美琪

邝砾

呙斌

曹高峰

机构：

[1] 中南大学软件学院

来源：

小型微型计算机系统 | 2017年 / 38卷 / 02期

关键词：

K-means聚类; 语义相似度; 协同过滤; 推荐系统;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

081203 ; 0835 ;

摘要：

随着移动应用的数量增长,如何在海量应用中为用户推荐其感兴趣的应用受到了广泛关注.传统的协同过滤算法通过提取用户共同评分项目信息来计算用户相似度.然而,协同过滤算法普遍存在数据稀疏性问题,这在一定程度上导致了Pearson公式的计算结果不能准确的反映用户的相似程度.为了改善由于数据稀疏性问题导致的推荐结果不准确,我们使用K-means方法对项目进行基于语义相似的聚类,以实现基于相似项目的用户相似度计算,在此基础上,提出一种融合社会网络和项目特征的移动应用推荐.实验表明:融合了社会网络和项目特征的移动应用推荐能够缓解数据稀疏性问题对协同过滤算法的不利影响,在一定程度上提高了推荐结果的准确度.

引用

页码：310 / 313

页数：4

共 10 条

[1] 一种融合项目特征和移动用户信任关系的推荐算法 [J].

胡勋 ;

孟祥武 ;

张玉洁 ;

史艳翠 .

软件学报, 2014, 25 (08) :1817-1830

[2] 基于用户相似度的协同过滤推荐算法 [J].

荣辉桂 ;

火生旭 ;

胡春华 ;

莫进侠 .

通信学报, 2014, 35 (02) :16-24

[3] 基于用户聚类的异构社交网络推荐算法 [J].

陈克寒 ;

韩盼盼 ;

吴健 .

计算机学报, 2013, 36 (02) :349-359

[4] Mining Trust Relationships from Online Social Networks [J].

张宇 ;

于彤 .

Journal of Computer Science & Technology, 2012, 27 (03) :492-505

[5] 社交网络服务中一种基于用户上下文的信任度计算方法 [J].

乔秀全 ;

杨春 ;

李晓峰 ;

陈俊亮 .

计算机学报, 2011, 34 (12) :2403-2413

[6] 基于本体的概念语义相似度计算及其应用 [J].

陈沈焰 ;

吴军华 .

微电子学与计算机, 2008, 25 (12) :96-99

[7]

A semantic similarity measure based on information distance for ontology alignment [J] . Yong Jiang,Xinmin Wang,Hai-Tao Zheng.&nbsp&nbspInformation Sciences . 2014

[8]

Clustering Analysis on E-commerce Transaction Based on K-means Clustering [J] . Xuan HUANG,Zhijun Song.&nbsp&nbspJournal of Networks . 2014 (2)

[9] Learning influence from heterogeneous social networks [J].

Liu, Lu ;

Tang, Jie ;

Han, Jiawei ;

Yang, Shiqiang .

DATA MINING AND KNOWLEDGE DISCOVERY, 2012, 25 (03) :511-544

[10]

Inferring binary trust relationships in Web-based social networks [J] . Jennifer Golbeck,James Hendler.&nbsp&nbspACM Transactions on Internet Technology (TOIT) . 2006 (4)

← 1 →