个性化信息推荐方法研究
随着信息技术和互联网的发展,人们进入了信息过量且愈发碎片化的时代.当前,个性化信息推送是用户获取网络信息的有效渠道.由于信息的更新速度快和用户兴趣更新等问题,传统的推荐算法很少关注甚至忽略上述因素,造成最终的推荐结果欠佳.为了给用户更好的个性化推荐服务,论文首次引入截取因子,提出了组合推荐算法(CR算法).该算法的实质是将截取因子引入到基于内容的推荐算法与基于用户的协同过滤算法中,进而生成混合推荐算法.在推荐列表中,CR算法产生的推荐结果由两部分组成:一部分由混合推荐算法生成,另一部分由基于用户的协同过滤算法生成.根据信息的发布时间,决定该信息由哪类算法产生推荐:当浏览时间与当前时间的间隔不大于某个值时,采用混合推荐算法;否则,直接采用基于用户的协同过滤算法.基于真实数据的实验结果表明,CR算法优于同类算法.
网络信息、截取因子、信息推送、基于内容的推荐、基于内容相似的协同过滤、基于行为相似的协同过滤、混合推荐、组合推荐
13
TP18;O29(自动化基础理论)
国家自然科学基金项目61572435,61472305;陕西省自然科学基金项目2015JZ002,2015JM6311;浙江省自然科学基金项目LZ16F020001;宁波市自然科学基金项目2016A610035
2018-04-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
189-195