结合用户兴趣度聚类的协同过滤推荐算法

针对传统的协同过滤算法忽略了用户兴趣源于关键词以及数据稀疏的问题,提出了结合用户兴趣度聚类的协同过滤推荐算法。利用用户对项目的评分,并从项目属性中提取关键词,提出了一种新的RF-IIF （rating frequency-inverse item frequency）算法,根据目标用户对某关键词的评分频率和该关键词被所有用户的评分频率,得到用户对关键词的偏好,形成用户—关键词偏好矩阵,并在该矩阵基础上进行聚类。然后利用logistic函数得到用户对项目的兴趣度,明确用户爱好,在类簇中寻找目标用户的相似用户,提取邻居爱好的前◢N◣个物品对用户进行推荐。实验结果表明,算法准确率始终优于传统算法,对用户爱好判断较为准确,缓解了数据稀疏问题,有效提高了推荐的准确率和效率。     

电信运营商数据资产管理目标及策略

运营商数据包含用户多类隐私性极强的数据，价值极高，因此需要更严密、更科学的数据管理方式来加以保护。文章针对该问题，提出了数据可管、风险可控、分析可用的“三可”目标，从组织建设、制度建设、系统建设三个方面进行梳理，提出相应策略，通过有效地控制3级21类风险，将数据分析模型落地应用，为企业创造价值。