基于谱聚类和隐语义模型的智能协同推荐方法

TP39; 随着云计算及移动互联网技术的迅速发展,网络中可选服务信息呈爆炸性增长,信息过载问题日益严重.针对推荐系统中存在的数据稀疏性问题及冷启动问题,提出一种基于谱聚类和隐语义模型的智能协同推荐方法.该方法基于提取的用户标签特征信息,利用谱聚类算法对相似用户进行聚类,将原始高维评分矩阵转化为多个较低维的子评分矩阵.然后在子评分矩阵中利用隐语义模型对缺失评分进行局部预测.最后在获得缺失评分后利用改进的基于邻域的协同推荐算法对目标用户进行全局评分预测.所提算法有效解决了数据稀疏性问题和冷启动问题,在提高预测准确度的同时加快了推荐算法效率....

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 27; no. 9; pp. 2517 - 2524
Main Authors 高子建, 张晗睿, 窦万春, 徐江民, 孟顺梅
Format Journal Article
LanguageChinese
Published 南京理工大学 计算机科学与工程学院,江苏 南京 210094%南京大学 计算机软件新技术国家重点实验室,江苏 南京 210023 01.09.2021
Subjects
协同推荐;谱聚类;隐语义模型;矩阵分解
Online AccessGet full text

Cover

More Information
Summary:TP39; 随着云计算及移动互联网技术的迅速发展,网络中可选服务信息呈爆炸性增长,信息过载问题日益严重.针对推荐系统中存在的数据稀疏性问题及冷启动问题,提出一种基于谱聚类和隐语义模型的智能协同推荐方法.该方法基于提取的用户标签特征信息,利用谱聚类算法对相似用户进行聚类,将原始高维评分矩阵转化为多个较低维的子评分矩阵.然后在子评分矩阵中利用隐语义模型对缺失评分进行局部预测.最后在获得缺失评分后利用改进的基于邻域的协同推荐算法对目标用户进行全局评分预测.所提算法有效解决了数据稀疏性问题和冷启动问题,在提高预测准确度的同时加快了推荐算法效率.
ISSN:1006-5911
DOI:10.13196/j.cims.2021.09.004