个性化推荐系统中用户多态聚类研究
针对传统协同过滤算法依赖单一用户需求形态影响推荐效果的问题,提出一种基于用户多态聚类的数字图书馆个性化推荐方法。该方法以改进的海明距离计算候选邻居集,结合多态相似度进行二次聚类,预测用户的多态需求度并形成推荐。实验表明,使用多态聚类产生的推荐精确度上优于单一聚类产生的推荐。
数字图书馆、个性化推荐、多态性、协同过滤
G250.7(图书馆学、图书馆事业)
华侨大学科研基金项目“基于用户需求模型的个性化信息服务研究”项目10HJY06的研究成果之一
2012-07-01(万方平台首次上网日期,不代表论文的发表时间)
共5页
18-22