Toggle navigation
首页
期刊介绍
期刊简介
历史沿革
收录情况
获奖情况
引用指标
编委会
期刊在线
文章推荐
过刊浏览
专辑专刊
下载排行
阅读排行
投稿指南
组稿方向
投稿须知
论文模板
常见问题
署名变更申请
单位变更申请
版权转让协议
中图分类号
引言书写要求
参考文献著录格式
插图与表格规范
英文摘要书写要求
收费标准
学术诚信
联系我们
编辑部联系方式
位置示意图
期刊订阅办法
广告合作
English
期刊
出版年
关键词
结果中检索
(((王嵘冰[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
选择:
导出引用
EndNote
Ris
BibTeX
显示/隐藏图片
Select
1.
融合潜在狄利克雷分布与元路径分析的用户相关性度量方法
徐红艳, 王丹, 王富海, 王嵘冰
计算机应用 2019, 39 (
11
): 3288-3292. DOI:
10.11772/j.issn.1001-9081.2019040728
摘要
(
371
)
PDF
(837KB)(
261
)
可视化
收藏
用户相关性度量是异构信息网络研究的基础与核心。现有的用户相关性度量方法由于未充分开展多维度分析和链路分析,其准确性尚存在提升空间。为此,提出了一种融合狄利克雷分布(LDA)与元路径分析的用户相关性度量方法。首先利用LDA进行主题建模,通过分析网络中节点的内容来计算节点的相关性;然后,引入元路径来刻画节点间关系类型,通过关联度量(DPRel)方法对异构信息网络中的用户进行相关性测量;接着,将节点的相关性融入到用户相关性度量计算中;最后,采用IMDB真实电影数据集进行实验,将所提方法和嵌入LDA主题模型的协同过滤推荐方法(ULR-CF)、基于元路径的相关性度量方法(PathSim)进行了对比分析。实验结果表明,所提方法能够克服数据稀疏性弊端,提高用户相关性度量的准确性。
参考文献
|
相关文章
|
多维度评价
Select
2.
集成用户信任度和品牌认可度的商品推荐方法
冯勇, 韩晓龙, 付陈平, 王嵘冰, 徐红艳
计算机应用 2018, 38 (
10
): 2886-2891. DOI:
10.11772/j.issn.1001-9081.2018040766
摘要
(
498
)
PDF
(848KB)(
364
)
可视化
收藏
针对个性化商品推荐方法中普遍存在的推荐准确率不高的问题,提出一种集成用户信任度和品牌认可度的商品推荐方法(TBCRMI)。该方法通过分析用户的购买行为和评价行为,计算得到用户对商品品牌的认可度和用户自身的活跃度;然后利用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对用户进行聚类,并在此基础上融合用户信任关系,采用Top-
K
方法得到近邻关系;最后,依据近邻关系生成目标用户商品推荐列表。为了验证算法的有效性,使用Amazon Food和Unlocked Mobile phone两个数据集,选择基于用户的协同过滤算法(UserCF)、融合用户信任的协同过滤推荐算法(SPTUserCF)与合并用户信任的协同过滤算法(MTUserCF),对准确率、召回率和
F
1值等指标进行了对比分析。实验结果表明,无论是多品牌综合推荐还是单一品牌推荐,TBCRMI在各项指标均优于目前常用的个性化商品推荐方法。
参考文献
|
相关文章
|
多维度评价