高娜
- 作品数：3 被引量：24H指数：2
- 供职机构：南京师范大学计算机科学与技术学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 一种改进的结合标签和评分的协同过滤推荐算法被引量：5
- 2015年
- 推荐系统由于其数据量庞大的原因,已经成为大数据领域研究的一个热点.而协同过滤算法是推荐系统中最著名的算法之一.传统协同过滤算法在利用评分矩阵进行推荐时,面临数据稀疏性问题,从而严重影响推荐的质量.同时,推荐系统中存在大量的描述用户和产品属性特征的标签信息,把这些标签信息融入到传统的推荐算法中是解决稀疏性的一个有效方法.因此,针对稀疏性问题,本文提出了一种结合标签和评分的协同过滤推荐算法.该算法结合标签信息和评分数据共同计算用户之间或产品之间的相似性,进而为用户产生推荐.实验结果表明,本文提出的算法可以有效解决数据稀疏性问题,同时可以提高推荐系统的准确性.
- 高娜杨明
- 关键词：协同过滤标签推荐系统稀疏性
- 基于标签和评分联合学习的协同过滤推荐算法研究
- 近年来，信息技术的飞速发展和互联网络的普及，推动了电子商务的发展。这在方便用户生活和生产的同时，也带来数据过载的问题。推荐系统正是解决这一问题的有效途径，它可以模拟销售人员帮助用户进行购买，减少用户搜索商品的时间;同时也...
- 高娜
- 关键词：推荐系统协同过滤标签用户兴趣模型
- 文献传递
- 嵌入LDA主题模型的协同过滤推荐算法被引量：17
- 2016年
- 协同过滤推荐算法由于其推荐的准确性和高效性已经成为推荐领域最流行的推荐算法之一。该算法通过分析用户的历史评分记录来构建用户兴趣模型,进而为用户产生一组推荐。然而,推荐系统中用户的评分记录是极为有限的,导致传统协同过滤算法面临严重的数据稀疏性问题。针对此问题,提出了一种改进的嵌入LDA主题模型的协同过滤推荐算法(ULR-CF算法)。该算法利用LDA主题建模方法在用户项目标签集上挖掘潜在的主题信息,进而结合文档-主题概率分布矩阵和评分矩阵来共同度量用户和项目相似度。实验结果表明,提出的ULR-CF算法可以有效缓解数据稀疏性问题,并能显著提高推荐系统的准确性。
- 高娜杨明
- 关键词：协同过滤稀疏性主题模型
