一种基于多视图学习的群组发现方法

摘要：

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.

关键词：词群组发现、偏好获取、动态主题模型、多视图学习

所属期刊栏目：39

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金61772285,61373138

在线出版日期：2019-10-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：80-87