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：2010-01-01
发表刊物：情报学报
收录刊物：CSSCI、CSCD、ISTIC、PKU
卷号：29
期号：4
页面范围：688-694
ISSN号：1000-0135
关键字：协同推荐;用户信息;向量扩展
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,然后将用户的评分矩阵转变成0、1矩阵并与用户的基本信息进行组合形成一个新的矩阵,对这个扩展的矩阵用奇异矩阵分解(SVD)降维,然后在SVD分解出的矩阵U和S的基础上计算最近邻居,并预测用户对项目的预测评分.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,能够提高预测评分的准确性.
