首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
基于用户类别偏好相似度和联合矩阵分解的推荐算法+ccdm2016
Recommendation algorithm Based On User Category Preference Similarity and Joint Matrix Factorization + ccdm2016
投稿时间:2016-04-03  最后修改时间:2016-04-26
DOI:
中文关键词:  推荐系统;联合矩阵分解;用户类别偏好;评分预测; 数据稀疏性
英文关键词:recommender system; joint matrix factorization; user category preference; rating prediction; data sparsity
基金项目:广西可信软件重点实验室立项课题(KX201408);研究生创新项目(GDYCSZ201469)
作者单位E-mail
何海洋 桂林电子科技大学 898937510@qq.com 
摘要点击次数: 68
全文下载次数: 
中文摘要:
      利用上下文信息来提高推荐准确率并增强用户体验,是当前推荐领域研究热点之一,然而现有的上下文感知推荐算法依然面临数据稀疏性问题的挑战。为了进一步缓解数据稀疏性问题,本文提出一种基于用户类别偏好相似度及联合矩阵分解的推荐算法,它结合用户评分数据及用户类别偏好进行物品推荐,以解决用户评分数据稀疏时评分预测准确率低的问题。算法的时间复杂度随着数据量的增加呈线性增长,因此适用于大规模数据。通过在真实数据集Movielens上的实验结果表明,本文提出的方法在RMSE评价指标上优于现有代表性的算法,验证了本文所提出的推荐算法的有效性。
英文摘要:
      Using context information to improve the accuracy of recommendation systems and enhance user’s experience is one of the hottest topics in the domain of recommend systems. However the issue of data sparse still challenges the existing context-aware recommender system. To better alleviate the data sparse problem, this paper proposes a rating prediction method called JMF-UCP. Based on the joint matrix factorization (JMF), the method addresses the data sparse problem by combining user’s rating information and user’s category preference to predict the rating score with higher accuracy. The time complexity of the proposed algorithm is linear increase with the number of amount of dataset and scalable to very large datasets. Experimental results on real world rating dataset MovieLens demonstrate that the proposed methods can achieve better accuracy.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第878138位访问者 本站今日一共被访问414

技术支持:北京勤云科技发展有限公司