高级工程师
性别：男
毕业院校：大连理工大学
学位：博士
所在单位：计算机科学与技术学院
学科：计算机应用技术
办公地点：创新园大厦D0103房间
联系方式：
电子邮箱：
qq :
开通时间： ..
最后更新时间：..
点击次数：
发布时间：2019-03-10
论文类型：期刊论文
发表时间：2011-01-01
发表刊物：情报学报
收录刊物：CSSCI、ISTIC、PKU
卷号：30
期号：8
页面范围：796-801
ISSN号：1000-0135
关键字：协同推荐 用户信息 数据平滑 评分聚类
摘要：在电子商务中,协同推荐技术能够帮助用户发现感兴趣的东西.在协同推荐中,通常采用最近邻居的方法来产生推荐.随着商品数量的增多,协同推荐所需要的数据集也越来越稀疏,可用数据比例越来越少.为了解决这个问题,本文在传统的评分数据的基础上,引入用户的基本信息,对用户的基本信息进行离散化处理,将用户的基本信息转化成一个0、1的向量,在用户的信息的基础上计算最近邻居,根据最近邻居对用户缺失数据进行补充,在补充后的评分数据上进行聚类计算,并根据聚类结果对用户评分进行预测.实验表明引入用户的基本信息,并采用对基本信息离散化的处理方式进行缺失数据补充,在此基础上进行数据的聚类,能够提高预测评分的准确性.
