基于特征增益与多级优化的协同过滤个性化推荐算法 |
| |
引用本文: | 马胡双,石永革,高胜保.基于特征增益与多级优化的协同过滤个性化推荐算法[J].科学技术与工程,2016,16(21). |
| |
作者姓名: | 马胡双 石永革 高胜保 |
| |
作者单位: | 南昌大学信息工程学院计算机科学与技术系,南昌大学信息工程学院计算机科学与技术系,中国电信股份有限公司江西分公司 |
| |
基金项目: | 基于事件逻辑的安全协议形式化分析及验证;国家自然科学基金项目(面上项目,重点项目,重大项目);传输网资源数据同步及优化分析算法的研究与实现 |
| |
摘 要: | 基于混合策略个性化推荐的思想,为进一步提升业务套餐型产品的个性化推荐的准确性,提出了基于特征增益与多级优化的协同过滤推荐算法(FACCF);其中融合了消费数据的时域特征、空域特征、消费倾向以及套餐特征。该算法首先基于客户的时域、空域行为特征,构建了CTAP概率主题模型实现协同过滤;其次,将过滤后的新特征、套餐主题与套餐特征结合进行优化;最后,基于贝叶斯网络对客户群体的消费倾向进行聚类分析,形成二次优化,获得个性化推荐列表。使用电信真实用户数据实证分析的结果表明,FACCF算法能够更准确地预测客户消费意愿。
|
关 键 词: | 业务套餐推荐 协同过滤 特征增益 多级优化 概率主题模型 |
收稿时间: | 2016/2/26 0:00:00 |
修稿时间: | 2016/4/16 0:00:00 |
A Recommendation Algorithm Based on Collaborative Filtering by Feature Augmentation and Cascade Tactics |
| |
Abstract: | |
| |
Keywords: | Package Recommendation Algorithm Collaborative Filtering Feature Augmentation Cascade Probabilistic topic model |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|