|
|||||
|
|
| 基于异质信息网络的模糊推荐算法 | |
| 作者姓名： | 李娴 赵霞 张泽华 张晨威 |
| 作者单位： | （1.太原理工大学信息与计算机学院,山西 晋中 030600;2.伊利诺伊大学芝加哥分校计算机科学学院,芝加哥 60607） |
| 基金项目： | 太原理工大学青年创新团队项目;国家自然科学基金 |
| 摘 要： | 随着互联网信息的爆炸式增长,推荐系统扮演着越来越重要的角色。为了解决传统推荐系统存在的信息稀疏问题,并且合理表达用户的偏好,提出基于异质信息网络的模糊推荐算法(HFR)。HFR方法构建三角模糊评分模型将用户离散的评分信息模糊化,此外,还加入了项目的属性信息并使用元路径表示;在此基础上充分利用多源信息,提出了一种新的相似性度量,并预测评分获得最终的推荐结果。实验结果表明,HFR方法有效解决了信息稀疏问题,提高了推荐质量。 |
| 关 键 词： | 数据稀疏 异质信息网络 元路径 模糊集 |
| 收稿时间： | 2019-07-15 |
| 修稿时间： | 2019-09-25 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《计算机工程与科学》浏览原始摘要信息 | |
| 点击此处可从《计算机工程与科学》下载全文 | |