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10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
胡勋,孟祥武,张玉洁,史艳翠.一种融合项目特征和移动用户信任关系的推荐算法.软件学报,2014,25(8):1817-1830
一种融合项目特征和移动用户信任关系的推荐算法
Recommendation Algorithm Combing Item Features and Trust Relationship of Mobile Users
投稿时间:2012-07-04  修订日期:2013-09-02
DOI:10.13328/j.cnki.jos.004491
中文关键词:  推土机距离  推荐系统  协同过滤  混合推荐
英文关键词:earth mover’s distance (EMD)  recommender system  collaborative filtering  hybrid recommendation
基金项目:国家自然科学基金(60872051);北京市教育委员会共建项目
作者单位E-mail
胡勋 智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876
北京邮电大学 计算机学院, 北京 100876 
hu_xun@163.com 
孟祥武 智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876
北京邮电大学 计算机学院, 北京 100876 
 
张玉洁 智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876
北京邮电大学 计算机学院, 北京 100876 
 
史艳翠 智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876
北京邮电大学 计算机学院, 北京 100876 
 
摘要点击次数: 2927
全文下载次数: 3331
中文摘要:
      协同过滤推荐系统中普遍存在评分数据稀疏问题.传统的协同过滤推荐系统中的余弦、Pearson 等方法都是基于共同评分项目来计算用户间的相似度;而在稀疏的评分数据中,用户间共同评分的项目所占比重较小,不能准确地找到偏好相似的用户,从而影响协同过滤推荐的准确度.为了改变基于共同评分项目的用户相似度计算,使用推土机距离(earth mover's distance,简称EMD)实现跨项目的移动用户相似度计算,提出了一种融合项目特征和移动用户信任关系的协同过滤推荐算法.实验结果表明:与余弦、Pearson 方法相比,融合项目特征的用户相似度计算方法能够缓解评分数据稀疏对协同过滤算法的影响.所提出的推荐算法能够提高移动推荐的准确度.
英文摘要:
      The sparsity of user-item ratings is a common problem in collaborative filtering recommender systems. In traditional collaborative filtering recommender systems, similarity of users is often calculated with cosine and Pearson methods based on common ratings. When user-item ratings are sparse, the ratio of common rated items is less, and the accuracy of recommendations will be influenced because users with similar preferences can't be found accurately. To change calculation method of user similarity based on the same rated items, this paper applies EMD (earth mover's distance) to implement cross-item similarity calculation of mobile user and proposes a collaborative filtering recommendation method combining item features and trust relationship of mobile users. The experimental results show that, comparing with cosine and Pearson, user similarity calculation method combining item features can relieve influence of the sparsity of user-item ratings on collaborative filtering recommender systems. And the proposed recommender method can improve accuracy of mobile recommendations.
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 京ICP备05046678号-4
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