结合用户特征分类和动态时间的协同过滤推荐
本文选题:推荐系统 切入点:冷启动 出处:《计算机工程与应用》2017年06期
【摘要】:针对推荐系统中数据稀疏、冷启动和用户特征动态变化及不同用户对同一特征依赖程度不同等问题的影响,提出了结合用户特征分类和动态时间的协同过滤推荐。考虑用户特征动态变化的同时将用户依据特征分类以弥补计算相似度的不足,并将用户特征和用户评分相结合解决冷启动问题。结果表明该算法能有效提高推荐质量。
[Abstract]:Aiming at the problems of sparse data, cold start, dynamic change of user characteristics and different users' dependence on the same feature in the recommendation system, A collaborative filtering recommendation based on user feature classification and dynamic time is proposed. Considering the dynamic changes of user features, users are classified according to features to make up for the deficiency of computing similarity. The cold start problem is solved by combining the user characteristics and the user score. The results show that the proposed algorithm can effectively improve the quality of recommendation.
【作者单位】: 江西理工大学理学院;
【基金】:国家自然科学基金(No.11426121) 江西省教育厅科技基金项目(No.GJJ14434)
【分类号】:TP391.3
【相似文献】
相关期刊论文 前10条
1 徐波,于劲松,李行善;基于路径约束的动态时间规整方法研究[J];系统工程与电子技术;2004年01期
2 李元,王纲;基于不同约束条件的动态时间错位理论及应用[J];华东理工大学学报;2002年S1期
3 魏栋;田联房;郑则广;陈荣昌;毛宗源;;基于动态时间规整的孤立咳嗽声识别[J];计算机与信息技术;2008年04期
4 陈朋;李兰;;基于动态时间弯曲技术的流数据处理方法[J];怀化学院学报;2013年05期
5 钱小军;周建辉;潘雪增;平玲娣;;一种新型的动态时间弯曲方法[J];计算机科学;2002年09期
6 罗凯;魏维;谢青松;;哼唱检索中改进的动态时间规整算法[J];计算机工程;2008年20期
7 宋晓宇;郭鲁;孙焕良;;基于小波和动态时间弯曲的主题查找算法[J];计算机应用研究;2009年08期
8 徐屹;;动态时间规整优化局部分块匹配的人脸识别[J];计算机工程与应用;2014年06期
9 张晓伟;;基于动态时间规整的局部分块匹配在面部遮挡人脸识别中的应用[J];科学技术与工程;2014年05期
10 张亚歌;张太镒;;一种基于双帧动态时间规整的语音识别新方法[J];微电子学与计算机;2010年11期
相关会议论文 前3条
1 武真;喻斌;;基于分段线性表示的时间序列动态时间弯曲算法研究[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年
2 张浩;刘志镜;;基于动态时间规整的步态自动识别[A];图像图形技术研究与应用2009——第四届图像图形技术与应用学术会议论文集[C];2009年
3 汪可;廖瑞金;杨丽君;邓小聘;周天春;;采用动态时间规整算法识别不同局部放电源[A];重庆市电机工程学会2010年学术会议论文集[C];2010年
相关硕士学位论文 前9条
1 徐超;在上海市区方言韵母系统中舌体运动规律的研究[D];上海师范大学;2015年
2 姚舜奕;基于两方向动态时间规整的无分割手写关键字检测[D];华东师范大学;2016年
3 潘谈;基于动态时间规整的基因表达数据分析[D];吉林大学;2010年
4 黄承杰;基于动态时间规划的在线签名认证方法研究[D];中国科学技术大学;2009年
5 杨靖;基于动态时间弯曲的时间序列相似性搜索技术的研究[D];哈尔滨工业大学;2013年
6 赵薇;非确定性RFID复合事件探测方法的研究[D];辽宁大学;2010年
7 吴炳东;聋人计算机智能语言康复系统[D];山东大学;2005年
8 敬志强;基于MIDI哼唱检索算法的研究[D];江西师范大学;2012年
9 冯志远;基于模板匹配的语音样例快速检索技术研究[D];解放军信息工程大学;2013年
,本文编号:1675434
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1675434.html