基于点击流的用户矩阵模型相似度个性化推荐

摘要：

研究用户学习网页点击流数据,挖掘用户兴趣,从而为用户进行个性化学习资源推荐,提出JMATRIX算法.基于用户历史资源点击流信息,构建用户资源点击数据有向图模型,并将有向图模型转化为矩阵模型存储.采用求解矩阵模型相似度,从而求得用户相似度,极大地降低了资源点击频率和资源点击路径用户相似度求解的复杂度,提高用户相似度求解的效率与准确度.结合Leader Clustering算法及粗糙集理论进行用户聚类和用户个性化资源推荐.实验结果表明,相比Leader Clustering算法,JMATRIX算法具有更高的效率和更准确的推荐效果.

关键词：点击流、有向图、用户相似度、用户聚类、个性化推荐

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

在线出版日期：2018-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：219-225