10.14132/j.cnki.1673-5439.2019.04.011
一种基于多视图学习的群组发现方法
近年来,群组推荐因其良好的实用价值得到了广泛关注.作为群组推荐的一个重要环节,群组发现对推荐结果具有至关重要的影响.对于同一群组中的用户,用户的相似度越大,推荐的精度就越高.为了有效提升群组内用户相似度,改善推荐的精度,降低误差率,文中提出了一种基于多视图学习的群组发现方法.该方法首先提取多维度的显式信息,并用相似度矩阵表示,采用动态主题模型更新用户的偏好;然后,基于多视图学习对用户相似度矩阵分配权重,利用无监督学习训练得出隐式信息;最后,根据用户相似度矩阵和分组方法提出群组发现算法,实现用户群组划分.仿真对比实验表明本文所提的方法分组效果更好.
词群组发现、偏好获取、动态主题模型、多视图学习
39
TP311(计算技术、计算机技术)
国家自然科学基金61772285,61373138
2019-10-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
80-87