使用隐式数据中的聚类和关联规则挖掘提高协同过滤建议的准确性

通信技术杂志|王斯锋; 朱玉佳; 祝永志 曲阜师范大学信息科学与工程学院; 山东日照276826

摘要:推荐系统在互联网技术快速发展的今天变得越来越重要,因为它能为用户做出最适当的选择。协作过滤(CF)是推荐系统设计中应用最成功和最广泛的技术,能根据用户的过去评级记录,推荐活跃用户的项目。不过,与用户项目矩阵中的大量用户和项目相比,用户对项目的评级非常稀疏,CF可能会导致不佳的建议。它将用户的隐式交互记录与项目相结合,通过采用关联规则来挖掘处理大量数据,可以捕获每个交易的多个采购关联规则,而不仅仅是计算总的采购量,并通过实施修改了的预处理,在基于多次购买完成的用户之间发现类似的兴趣模式。另外,随着关联规则挖掘的表现,聚类技术已被用于减少数据的大小和项目空间的维度,然后,计算出基于其特征的项目之间的相似性,以提出建议并进行实验。结果表明,在Precision和Recall指标两个方面,即使数据非常稀疏,这种技术也能达到很好的性能。

【关键词】
  • 协同过滤
  • 相似性
  • 推荐系统
  • 稀疏
【收 录】
  • 维普收录(中)
  • 万方收录(中)
  • 国家图书馆馆藏
  • 上海图书馆馆藏
  • 知网收录(中)

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

期刊名称:通信技术

期刊级别:部级期刊

期刊人气:38435