10.3969/j.issn.1006-9348.2020.02.094
基于矩阵分解的感知兴趣点智能推荐算法仿真
针对当前算法推荐结果与用户感知兴趣点拟合度低,导致推荐可信度低的问题,提出基于矩阵分解的感知兴趣点智能推荐算法.先在典型的社会网络中,对感知兴趣点推荐问题进行描述;建立感知兴趣点模型,构建用户范围矩阵和感知兴趣点的影响力矩阵,提取出用户对不同感知兴趣点的偏好,随后计算感知兴趣点在不同区域中的影响力,并修正感知兴趣点影响力函数,通过对其权重的计算,获取用户对感知兴趣点的访问次数、时间的总和以及感知兴趣点集合.最后计算感知兴趣点智能推荐时间的复杂度,利用矩阵分解思想最终实现了对感知兴趣点的智能推荐.实验结果表明,提出的算法的推荐结果与用户感知兴趣点的拟合度较高,并且感知兴趣点的推荐可信度也较高,验证了提出算法的有效性.
矩阵分解、感知兴趣点、智能推荐
37
TP391(计算技术、计算机技术)
本项目系福建省社科研究基地重大项目“大数据思政教育研究”2016JDZ012
2020-05-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
463-466,475