融合可信度和时效标签的商品推荐算法

发布时间：2018-05-04 16:01

  本文选题：推荐系统 + 冷启动　； 参考：《微电子学与计算机》2017年06期

【摘要】：为了提高电子商务推荐系统的性能,提出了考虑可信度的基于时效性的用户-项目-属性-标签四部图模型,并针对该模型提出了一种新的推荐算法——融合可信度和时效标签的商品推荐算法.该模型算法改善新项目的冷启动问题;提出了基于评分信息的、基于项目属性的和基于用户时效标签的3种个性化预测评分方法,将这3种评估方法融合,通过调节参数α,β和γ平衡因子,判断这3种评估方法的影响因素权值,从而提高推荐的准确度.结果表明该推荐算法既有较高的准确度,也有较高的新颖度,并且在某种程度上有效地处理了新项目推荐的冷启动问题.
[Abstract]:In order to improve the performance of e-commerce recommendation system, a timeliness based user project attribute label four graph model is proposed, and a new recommendation algorithm is proposed for the model, which combines reliability and time label based recommendation algorithm. The model algorithm improves the cold start problem of the new project; Based on the score information, 3 personalized prediction scoring methods based on the item attribute and the user aging label, the 3 evaluation methods are fused. By adjusting the parameter alpha, beta and gamma balance factors, the weights of the influencing factors of the 3 evaluation methods are judged, thus the accuracy of the recommendation is improved. The results show that the proposed algorithm has a higher degree of accuracy. Accuracy and novelty, and to some extent, effectively handle the cold start problem recommended by the new project.

【作者单位】： 新疆大学软件学院;新疆大学信息科学与工程学院;
【基金】：国家自然科学基金(61562086,61462079,61363083,61262088)
【分类号】：TP391.3

【相似文献】

相关期刊论文 前10条

1 余小鹏;;一种基于多层关联规则的推荐算法研究[J];计算机应用;2007年06期

2 张立燕;;一种基于用户事务模式的推荐算法[J];福建电脑;2009年03期

3 王晗;夏自谦;;基于蚁群算法和浏览路径的推荐算法研究[J];中国科技信息;2009年07期

4 周珊丹;周兴社;王海鹏;倪红波;张桂英;苗强;;智能博物馆环境下的个性化推荐算法[J];计算机工程与应用;2010年19期

5 王文;;个性化推荐算法研究[J];电脑知识与技术;2010年16期

6 张恺;秦亮曦;宁朝波;李文阁;;改进评价估计的混合推荐算法研究[J];微计算机信息;2010年36期

7 夏秀峰;代沁;丛丽晖;;用户显意识下的多重态度个性化推荐算法[J];计算机工程与应用;2011年16期

8 杨博;赵鹏飞;;推荐算法综述[J];山西大学学报(自然科学版);2011年03期

9 尹长青;杨单稷;;基于视频的智能推荐算法[J];科技传播;2011年22期

10 吴泓辰;王新军;成勇;彭朝晖;;基于协同过滤与划分聚类的改进推荐算法[J];计算机研究与发展;2011年S3期

相关会议论文 前7条

1 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

2 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年

3 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 梁莘q，

本文编号：1843638