基于评分和项目特征的群组推荐方法

发布时间：2018-07-14 12:02

【摘要】：针对现有群组推荐方法准确率偏低的问题,提出了一种基于评分与项目特征相结合的方法。首先综合时间因素对评分的影响和项目领域特征,利用改进的TF-IDF方法构建成员在各个特征上的偏好模型;然后考虑群体用户间的相互作用,从项目特征属性均值相似性权重和特征属性频度权重两个方面来得到群体偏好模型;最后计算群组在项目特征和评分上的综合相似度,进行预测评分并推荐。通过在Movie Lens数据集上进行实验,表明本方法比现有方法的准确率有明显提高。
[Abstract]:In order to solve the problem of low accuracy of current group recommendation methods, a method based on the combination of scoring and item features is proposed. Firstly, considering the influence of time factors on the score and the feature of project domain, the improved TF-IDF method is used to construct the preference model of members on each feature, and then the interaction between group users is considered. The group preference model is obtained from the similarity weight of the item feature average and the weight of the frequency of the feature attribute. Finally, the comprehensive similarity between the item feature and the score is calculated to predict the score and recommend it. Experiments on the Movie Lens dataset show that the accuracy of the proposed method is much higher than that of the existing methods.
【作者单位】： 中南大学;湖南大学信息科学与工程学院;湖南华菱湘潭钢铁有限公司;
【基金】：国家创新基金项目(11C26214305383) 国家发改委信息安全产品专项基金项目(发改办高技[20091886号])
【分类号】：TP391.3

【参考文献】

相关期刊论文 前5条

1 孟祥武;纪威宇;张玉洁;;大数据环境下的推荐系统[J];北京邮电大学学报;2015年02期

2 梁天一;梁永全;樊健聪;赵建立;;基于用户兴趣模型的协同过滤推荐算法[J];计算机应用与软件;2014年11期

3 郭均鹏;赵梦楠;;面向在线社区用户的群体推荐算法研究[J];计算机应用研究;2014年03期

4 朱郁筱;吕琳媛;;推荐系统评价指标综述[J];电子科技大学学报;2012年02期

5 裴颂文;吴百锋;;动态自适应特征权重的多类文本分类算法研究[J];计算机应用研究;2011年11期

【共引文献】

相关期刊论文 前10条

1 张志清;李梦;胡竹青;;考虑商品重复购买周期的协同过滤推荐方法改进[J];武汉科技大学学报;2017年04期

2 张戈一;朱月琴;吕鹏飞;刘广开;胡博然;;耦合协同过滤推荐与关联分析的图书推荐方法研究[J];中国矿业;2017年S1期

3 丁沂;;基于链路预测的推荐方法研究[J];无线互联科技;2017年08期

4 王均贤;李文杰;;基于用户社交网络的最短距离聚类算法[J];天津理工大学学报;2017年02期

5 褚征;于炯;王佳玉;王跃飞;;基于LDA主题模型的移动应用相似度构建方法[J];计算机应用;2017年04期

6 齐帅彬;胡晨骏;胡孔法;谢佳东;房裴裴;;基于机器学习及中医理论的推荐系统研究与思考[J];江苏科技信息;2017年10期

7 张素智;赵亚楠;杨芮;;推荐系统研究[J];湖北民族学院学报(自然科学版);2017年01期

8 王媛媛;李翔;;基于人口统计学的改进聚类模型协同过滤算法[J];计算机科学;2017年03期

9 刘毅;钟_，

本文编号：2121587