《計算機應用研究》|Application Research of Computers

融合項目偏差與用戶偏好的推薦算法

Recommendation algorithm combining item deviation and user preference

免費全文下載 (已被下載 次)  
獲取PDF全文
作者 程磊,高茂庭
機構 上海海事大學 信息工程學院,上海 201306
統計 摘要被查看 次,已被下載
文章編號 1001-3695(2019)11-006-3233-04
DOI 10.19734/j.issn.1001-3695.2018.05.0298
摘要 針對協同過濾推薦中由于項目和用戶間關聯因素的相互影響而存在項目偏差和用戶偏好的問題,提出一種融合項目偏差與用戶偏好的推薦算法。先進行聚類處理,包括LDA主題建模生成項目簇和K-means聚類生成用戶簇;再依次根據項目簇和用戶簇的約束生成項目偏差分,同時以用戶項目評分及項目類型為基礎,經過概率轉移得到用戶偏好分;最后以項目簇內已有評分的均值為基礎,對項目偏差分和用戶偏好分進行線性加權生成預測評分。對比實驗表明,新算法能夠根據不同的近鄰得到合理的推薦,提高推薦的準確度。
關鍵詞 協同過濾; 主題建模; 聚類; 項目偏差; 用戶偏好
基金項目 國家自然科學基金資助項目(61202022)
上海海事大學研究生創新基金資助項目(2017ycx061)
本文URL http://www.ziusle.tw/article/01-2019-11-006.html
英文標題 Recommendation algorithm combining item deviation and user preference
作者英文名 Cheng Lei, Gao Maoting
機構英文名 College of Information Engineering,Shanghai Maritime University,Shanghai 201306,China
英文摘要 Aiming at the problem that there are item deviation and user preferences in collaborative filtering recommendation for the interaction between factors related in items and users, this paper proposed a recommendation algorithm integrated item deviation and user preference. Firstly it clustered to generate item clusters on LDA topics modeling and to get user clusters by using K-means; then it generated item deviation score on the constraints of item cluster and user cluster, and obtained user preference score with probability transfer on user-item score and item type. Finally it weighted the item deviation score and user preference score linearly to form the prediction score based on the existing scoring average in the item cluster. Comparison experiments show that the new algorithm can obtain reasonable recommendation based on different neighbors and improve reco-mmendation accuracy.
英文關鍵詞 collaborative filtering; topic modeling; clustering; item deviation; user preference
參考文獻 查看稿件參考文獻
 
收稿日期 2018/5/10
修回日期 2018/6/15
頁碼 3233-3236,3273
中圖分類號 TP301.6
文獻標志碼 A
中超外援名额