用户意图聚类的数字资源推荐方法

被引：7

作者：

周之诚

机构：

[1] 上海应用技术学院图书馆

来源：

情报理论与实践 | 2011年 / 34卷 / 06期

关键词：

数字资源; 聚类分析; 用户; 协同过滤;

D O I：

10.16353/j.cnki.1000-7490.2011.06.010

中图分类号：

G250.76 [电子图书馆、数字图书馆];

学科分类号：

1205 ; 120501 ;

摘要：

综合用户背景与资源特点,基于用户的协同过滤更适合高校图书馆在信息推荐中的应用。对其由于馆藏数字资源空间增大而导致推荐系统性能下降以及数据稀疏性问题,提出一种用户意图聚类的方法。通过运用K-m eans算法,对资源类别的意图特征值相似用户进行聚类,来提高推荐的实时性,降低数据稀疏性对信息推荐造成的影响。实验结果表明,基于用户意图聚类的协同过滤算法能有效提高推荐质量。

引用

页码：116 / 119

页数：4

共 10 条

[1] 客户行为的有效聚类 [J].

刘慧婷 ;

倪志伟 .

计算机工程与应用 , 2010, (04) :12-14+28

[2] 互联网推荐系统比较研究 [J].

许海玲 ;

吴潇 ;

李晓东 ;

阎保平 .

软件学报, 2009, 20 (02) :350-362

[3] 协同过滤的一种个性化推荐算法研究 [J].

郭艳红 ;

邓贵仕 .

计算机应用研究, 2008, (01) :39-41+58

[4] 协同过滤推荐系统中数据稀疏问题的解决 [J].

吴颜 ;

沈洁 ;

顾天竺 ;

陈晓红 ;

李慧 ;

张舒 .

计算机应用研究, 2007, (06) :94-97

[5] 个性化服务中基于用户聚类的协同过滤推荐 [J].

王辉 ;

高利军 ;

王听忠 .

计算机应用, 2007, (05) :1225-1227

[6] 基于用户潜在偏好的协同过滤 [J].

陈晓红 ;

沈洁 ;

顾天竺 ;

吴颜 ;

张舒 ;

李慧 .

计算机工程, 2007, (04) :42-44

[7]

Hybrid Recommender Systems: Survey and Experiments[J] . Robin Burke.User Modeling and User-Adapted Interaction . 2002 (4)

[8] An empirical analysis of design choices in neighborhood-based collaborative filtering algorithms [J].

Herlocker, J ;

Konstan, JA ;

Riedl, J .

INFORMATION RETRIEVAL, 2002, 5 (04) :287-310

[9]

Collaborative filtering with automatic ratingfor recommendation .2 KWAK M,CHO D S. Proceedings of ISIE2001 . 2001

[10]

A study on the improved collaborative filtering algorithm for recommender system .2 Lee H C,Lee S J,Chung Y J. the 5th International Conf.on Software Engineering Research,Management and Applications . 2007

← 1 →