主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第4期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张光卫,李德毅,李鹏,康建初,陈桂生.基于云模型的协同过滤推荐算法.软件学报,2007,18(10):2403-2411
基于云模型的协同过滤推荐算法
A Collaborative Filtering Recommendation Algorithm Based on Cloud Model
投稿时间:2006-05-18  修订日期:2007-02-05
DOI:
中文关键词:  云模型  协同过滤  相似性  推荐系统  投票
英文关键词:cloud model  collaborative filtering  similarity  recommendation system  voting
基金项目:Supported by the National Natural Science Foundation of China under Grant Nos.60496323, 60375016 (国家自然科学基金); the National Basic Research Program of China under Grant No.G2004CB719401 (国家重点基础研究发展计划(973))
作者单位
张光卫 北京航空航天大学,软件开发环境国家重点实验室,北京,100083
山东建筑大学,计算机科学与技术学院,山东,济南,250101 
李德毅 中国电子工程系统研究所,北京,100840 
李鹏 哈尔滨工业大学,深圳研究生院,信息安全中心,广东,深圳,518055 
康建初 北京航空航天大学,软件开发环境国家重点实验室,北京,100083 
陈桂生 中国电子工程系统研究所,北京,100840 
摘要点击次数: 4213
全文下载次数: 4797
中文摘要:
      协同过滤系统是电子商务系统中最重要的技术之一,用户相似性度量方法是影响推荐算法准确率高低的关键因素.针对传统相似性度量方法存在的不足,利用云模型在定性知识表示以及定性、定量知识转换时的桥梁作用,提出一种在知识层面比较用户相似度的方法,克服了传统基于向量的相似度比较方法严格匹配对象属性的不足.以该方法为核心,在全面分析传统方法的基础上,提出一种新的协同过滤推荐算法.实验结果表明,算法在用户评分数据极端稀疏的情况下,仍能取得较理想的推荐质量.
英文摘要:
      Recommendation system is one of the most important technologies applied in e-commerce. Similarity measuring method is fundamental to collaborative filtering algorithm,and traditional methods are inefficient especially when the user rating data are extremely sparse. Based on the outstanding characteristics of Cloud Model on the process of transforming a qualitative concept to a set of quantitative numerical values,a novel similarity measuring method,namely the likeness comparing method based on cloud model (LICM) is proposed in this paper. LICM compares the similarity of two users on knowledge level,which can overcome the drawback of attributes’ strictly matching. This work analysis traditional methods throughly and puts forward a novel collaborative filtering algorithm,which is based on the LICM method. Experiments on typical data set show the excellent performance of the present collaborative filtering algorithm based on LICM,even with extremely sparsity of data.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利