10.3969/j.issn.1006-2475.2020.08.011
基于图嵌入的用户加权Slope One算法
针对传统Slope One推荐算法在稀疏数据集上预测准确率较低的问题,提出一种基于图嵌入的加权Slope One算法.本文算法首先以融合时间信息的用户相似度为边权建立用户关联图,对该图进行图嵌入得到用户特征向量,然后基于Canopy聚类对用户进行类内加权Slope One推荐.另外,为优化算法性能,本文算法基于Spark计算框架实现.实验结果表明,对比传统的加权Slope One,本文算法在稀疏数据集和显式、隐式评分数据集上的推荐效果和评分预测准确率都更优.
图嵌入、时间信息、Canopy聚类、加权SlopeOne算法、Spark
TP391.3(计算技术、计算机技术)
2020-08-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
69-75