| 融合位置信息和物品流行度的协同过滤算法 |
| |
| 作者姓名： | 谢修娟 莫凌飞 李香菊 陈永 |
| |
| 作者单位： | 东南大学成贤学院计算机工程系,江苏 南京,210088;东南大学仪器科学与工程学院,江苏 南京,211189;金斗云信息科技有限公司,江苏 南京,211189 |
| |
| 基金项目： | 国家自然科学基金(61603091);江苏省教育信息化研究立项课题(20180054);全国高等院校计算机基础教育研究会教学研究项目(2018-AFCEC-210) |
| |
| 摘 要： | 针对绝大多数用户消费习惯对地理位置的敏感性,以及推荐过程中的"长尾效应",提出融合位置信息和物品流行度的协同过滤算法。对传统的协同过滤算法作出2点改进:第一,将用户兴趣偏好与位置偏好相结合,提出一种新的基于地理位置的用户相似度计算方法;第二,在预测评分时,引入物品流行度权重,合理地调整流行物品和长尾物品的推荐期望值。使用Foursquare数据集作为实验数据集,与相关算法进行对比实验。结果表明,改进算法能有效提高推荐的精度和推荐结果的多样性。
|
| 关 键 词： | 协同过滤 地理位置 推荐多样性 兴趣偏好 位置偏好 物品流行度 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《河海大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《河海大学学报(自然科学版)》下载全文 |
|
