期刊文献+

基于稀疏聚类和信任度的协同过滤算法 预览

Collaborative Filtering Algorithm Based on Sparse Clustering and Trust Degree
在线阅读 下载PDF
收藏 分享 导出
摘要 针对数据稀疏性问题,提出一种基于稀疏子空间聚类和预测评分的协同过滤算法。利用稀疏子空间聚类对用户评分矩阵进行聚类,可以保留更多有用信息。考虑用户评分尺度和用户之间的可信度问题,提出融合信任度的概念,通过计算用户间的信任度,最终使用用户间的信任度与相似度的结合作为新的权重进行推荐。 In order to solve the problem of data sparsity, a collaborative filtering algorithm based on sparse subspace clustering and prediction score is proposed. The sparse subspace clustering is used to cluster the user score matrix, and more useful information can be retained. Considering the user rating scale and the credibility between users, the concept of fusion trust degree is proposed. By calculating the degree of trust among users, the trust degree and similarity between users are finally used as a new weight to recommend.
作者 侯宇博 Hou Yubo(College of Computer and Information Science, Southwest University, Chongqing 400715, China)
出处 《信息与电脑》 2018年第7期47-49,共3页 China Computer & Communication
基金 中央高校基本科研业务费专项资金资助项目(项目编号:XDJK2015C110) 教育部“春晖计划”资助项目(项目编号:z2011149) 西南大学教育教学改革研究项目(项目编号:2015JY026)
关键词 数据稀疏 个性化推荐 共同喜好评分 稀疏子空间 协同过滤 data sparsity personalized recommendation common preference score sparse subspace collaborative filtering
作者简介 侯宇博(1991-),男,河南开封人,硕士研究生.研究方向:知识图谱、推荐算法.
  • 相关文献

参考文献3

二级参考文献173

共引文献421

投稿分析

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部 意见反馈