10.11896/j.issn.1002-137X.2016.9.045
一种融合多种用户行为的协同过滤推荐算法
协同过滤作为目前应用最成功的个性化推荐技术,在电子商务、社交网络等领域得到了广泛应用.然而,当此类算法应用到个性化医疗推荐领域时,由于个人医疗行为本身的复杂性和多样性,出现了推荐准确率下降的问题.针对这一问题,提出一种融合多种用户行为的协同过滤推荐算法,使用权重因子来综合衡量不同用户行为对推荐质量的影响,并引入重合依赖度的概念来修正传统的相似度度量方法.在收集的Top-md数据集上的实验结果表明,该算法能够全方位表达用户的就医偏好和意愿,有效提高个性化医疗推荐系统的推荐质量.
推荐系统、协同过滤、重合依赖度、多种用户行为、权重因子
43
TP311(计算技术、计算机技术)
教育部博士点专项科研基金20114101110007;河南省创新人才项目2011HASTIT003;河南省科研重点项目13A520562;河南省高等学校重点科研项目15A520028;河南省基础与前沿技术研究项目152300410047
2016-10-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
227-231