面向协同过滤推荐的多粒度用户偏好挖掘研究

摘要：

[目的]针对协同过滤中用户偏好挖掘粒度与挖掘效率之间的关系展开研究,以期找出效率最高的挖掘粒度.[方法]结合实际应用情况将用户偏好挖掘粒度从粗到细划分为三种,并对三种粒度下相应的偏好挖掘算法进行详细设计,通过实验对比不同粒度下用户偏好挖掘的效率.[结果]实验结果表明,当用户偏好挖掘粒度从粗到细变化时,偏好挖掘效率也会逐渐降低.[局限]以用户消费及评分数据为挖掘用户偏好的数据来源,对于其他类型数据源暂未涉及.[结论]粗粒度的偏好挖掘能更好地发现用户偏好.

关键词：协同过滤、多粒度、偏好挖掘、个性化推荐

分类号：G202(信息与传播理论)

在线出版日期：2016-01-22（万方平台首次上网日期，不代表论文的发表时间）

页码：28-33