基于异构信息网络的模糊贴近度推荐算法

摘要：

针对传统协同过滤算法在用户推荐过程中数据稀疏性、可扩展性、用户兴趣迁移变化等问题,提出一种基于异构信息网络的模糊贴近度推荐算法.在k-means聚类算法基础上构建新的异构信息网络,利用关系抽取的方式构造用户属性权重矩阵;引入模糊贴近度综合分析元路径属性权重的影响,寻找近邻用户;采用Top-N算法排序进而完成推荐,并进行准确性验证.在Epinions数据集上的实验结果表明,在推荐质量和速度上,所提推荐算法较传统推荐算法更优.

关键词：异构信息网络、用户属性、模糊贴近度、元路径、推荐系统

所属期刊栏目：41

分类号：TP311.5(计算技术、计算机技术)

资助基金：江苏省"六大人才高峰"基金项目 XXR-012

在线出版日期：2020-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：367-372