Please wait a minute...
Advanced Search
现代图书情报技术  2012, Vol. 28 Issue (3): 35-39    DOI: 10.11925/infotech.1003-3513.2012.03.06
  知识组织与知识管理 本期目录 | 过刊浏览 | 高级检索 |
一种利用Vague集理论改进的协同过滤推荐算法
张慧颖1, 薛福亮1,2
1. 天津大学管理与经济学部 天津 300072;
2. 天津财经大学商学院 天津 300222
An Improved Collaborative Filtering Recommendation Algorithm Based on Vague Sets Theory
Zhang Huiying1, Xue Fuliang1,2
1. College of Management & Economics, Tianjin University, Tianjin 300072, China;
2. Business School, Tianjin University of Finance & Economics, Tianjin 300222, China
全文: PDF(626 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 针对项目特征难以表达问题,提出采用Vague集理论对其进行提取与表示,在此基础上进行项目相似性聚类,利用聚类内项目相似性对未评分项目进行评分值预测,从而消除协同过滤推荐的稀疏性问题,进而基于预测后的评分矩阵进行相似用户聚类,并在项目聚类簇内实施协同过滤推荐,使推荐更有针对性。实验结果表明,该方法无论在推荐精度还是推荐相关性上都更为有效。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
张慧颖
薛福亮
关键词 推荐系统协同过滤项目相似性基于内容推荐Vague sets    
Abstract:Aiming at the difficulty of project features expression,this paper brings forward to extract and represent it with vague sets theory.Then similar item is clustered to predict missing evaluation values of item, thus eliminating the sparsity problem of collaborative filtering recommendation. Based on the predicted rating matrix,similar users are clustered,and collaborative filtering recommendation is implemented in the space of item cluster to give more targeted recommendation. Evaluation results show that the proposed method is more effective both in the accuracy and in relevance of recommendations.
Key wordsRecommender system    Collaborative filtering    Item similarity    Content-based recommendation    Vague sets
收稿日期: 2012-01-06     
: 

TP301.6

 
基金资助:

本文系天津市高等学校人文社会科学基金项目“电子商务个性化推荐系统瓶颈问题研究”(项目编号:20112125)的研究成果之一。

引用本文:   
张慧颖, 薛福亮. 一种利用Vague集理论改进的协同过滤推荐算法[J]. 现代图书情报技术, 2012, 28(3): 35-39.
Zhang Huiying, Xue Fuliang. An Improved Collaborative Filtering Recommendation Algorithm Based on Vague Sets Theory. New Technology of Library and Information Service, DOI:10.11925/infotech.1003-3513.2012.03.06.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2012.03.06
[1] 许海玲,吴潇,李晓东,等.互联网推荐系统比较研究[J]. 软件学报,2009,20(2):350-362.(Xu Hailing, Wu Xiao, Li Xiaodong, et al. Comparison Study of Internet Recommendation System[J].Journal of Software, 2009,20(2):350-362.)

[2] Pazzani M J.A Framework for Collaborative, Content-based and Demographic Filtering[J]. Artificial Intelligence Review, 1999,13(5):393-408.

[3] Sarwar B M, Karypis G,Konstan J A,et al.Application of Dimensionality Reduction in Recommender Systems——A Case Study[C]. In:Proceedings of ACM WebKDD Workshop, New York. 2000.

[4] Cheung K W, Kwok J T, Law M H,et al. Mining Customer Product Ratings for Personalized Marketing[J].Decision Support Systems,2003, 35 (2):231-243.

[5] Devi M K, Venkatesh P.Kernel Based Collaborative Recommender System for E-purchasing[J]. Academy of Sciences,2010,35(5):513-524.

[6] Zenebe A,Norcio A F.Representation,Similarity Measures and Aggregation Methods Using Fuzzy Sets for Content-based Recommender Systems[J].Fuzzy Sets and Systems,2009,160(1):76-94.

[7] 崔春生,李光, 吴祈宗. 基于Vague 集的电子商务推荐系统研究[J]. 计算机工程与应用,2011,47(10):237-239.(Cui Chunsheng,Li Guang, Wu Qizong. Research on Recommender Systems of Electric Commerce Based on Vague Sets[J]. Computer Engineering and Applications,2011,47(10):237-239.)

[8] 邓爱林.电子商务推荐系统关键技术研究[D]. 上海:复旦大学,2003.(Deng Ailin.The Research on Key Technologies of Recommendation System in E-Commerce[D].Shanghai: Fudan University,2003.)

[9] Kim K J, Ahn H. A Recommender System Using GA K-means Clustering in an Online Shopping Market[J]. Expert Systems with Applications, 2008,34(2):1200-1209.

[10] 牟向伟,陈燕.基于模糊描述逻辑的个性化推荐系统建模[J]. 计算机应用研究,2011,28(4):1430-1433.(Mu Xiangwei,Chen Yan. Fuzzy Semantic Personalized Recommendation System Modeling[J]. Application Research of Computers,2011,28(4):1430-1433.)
[1] 张怡文,张臣坤,杨安桔,计成睿,岳丽华. 基于条件型游走的四部图推荐方法*[J]. 数据分析与知识发现, 2019, 3(4): 117-125.
[2] 李杰,杨芳,徐晨曦. 考虑时间动态性和序列模式的个性化推荐算法*[J]. 数据分析与知识发现, 2018, 2(7): 72-80.
[3] 王道平,蒋中杨,张博卿. 基于灰色关联分析和时间因素的协同过滤算法*[J]. 数据分析与知识发现, 2018, 2(6): 102-109.
[4] 王永,王永东,郭慧芳,周玉敏. 一种基于离散增量的项目相似性度量方法*[J]. 数据分析与知识发现, 2018, 2(5): 70-76.
[5] 花凌锋,杨高明,王修君. 面向位置的多样性兴趣新闻推荐研究*[J]. 数据分析与知识发现, 2018, 2(5): 94-104.
[6] 刘东苏,霍辰辉. 基于图像特征匹配的推荐模型研究*[J]. 数据分析与知识发现, 2018, 2(3): 49-59.
[7] 薛福亮,刘君玲. 基于用户间信任关系改进的协同过滤推荐方法*[J]. 数据分析与知识发现, 2017, 1(7): 90-99.
[8] 覃幸新,王荣波,黄孝喜,谌志群. 基于多权值的Slope One协同过滤算法*[J]. 数据分析与知识发现, 2017, 1(6): 65-71.
[9] 李道国,李连杰,申恩平. 基于用户评分时间改进的协同过滤推荐算法*[J]. 现代图书情报技术, 2016, 32(9): 65-69.
[10] 谭学清,张磊,黄翠翠,罗琳. 融合领域专家信任与相似度的协同过滤推荐算法研究*[J]. 现代图书情报技术, 2016, 32(7-8): 101-109.
[11] 王永,邓江洲,邓永恒,张璞. 基于项目概率分布的协同过滤推荐算法*[J]. 现代图书情报技术, 2016, 32(6): 73-79.
[12] 马莉. 一种利用用户学习树改进的协同过滤推荐方法[J]. 现代图书情报技术, 2016, 32(4): 72-80.
[13] 姜书浩, 张立毅, 张志鑫. 一种基于相对相似性提高推荐总体多样性的协同过滤算法[J]. 数据分析与知识发现, 2016, 32(12): 44-49.
[14] 吴应良, 姚怀栋, 李成安. 一种引入间接信任关系的改进协同过滤推荐算法[J]. 现代图书情报技术, 2015, 31(9): 38-45.
[15] 祝婷, 秦春秀, 李祖海. 基于用户分类的协同过滤个性化推荐方法研究[J]. 现代图书情报技术, 2015, 31(6): 13-19.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn