| 基于聚类和奖惩用户模型的协同过滤算法 |
| |
| 引用本文： | 吴青洋,程旭,邓程鹏,丁浩轩,张宏,林胜海. 基于聚类和奖惩用户模型的协同过滤算法[J]. 计算机系统应用, 2020, 29(8): 135-143 |
| |
| 作者姓名： | 吴青洋 程旭 邓程鹏 丁浩轩 张宏 林胜海 |
| |
| 作者单位： | 中汽数据有限公司,天津300393;中汽数据有限公司,天津300393;中汽数据有限公司,天津300393;中汽数据有限公司,天津300393;中汽数据有限公司,天津300393;中汽数据有限公司,天津300393 |
| |
| 摘 要： | 根据用户体验为其推荐感兴趣的项目是推荐系统中最重要的问题.本文提出了一种新的易于实现的CBCF(Clustering-Based CF)算法,该算法基于激励/惩罚用户(IPU)模型进行推荐.本文旨在通过IPU模型深入研究用户间偏好的差异来提高准确率、召回率和F1-score方面的性能.本文提出了一个约束优化问题,目标是在给定的精度下最大限度地提高召回率(或F1-score).为此,根据实际评分数据和皮尔逊相关系数,将用户分为若干用户簇,然后根据同一用户簇的偏好倾向,对每个项目进行奖励/处罚.实验结果表明,本文提出的算法在给定准确率的条件下,召回率可以显著提高50%左右.
|
| 关 键 词： | 聚类 协同过滤推荐 F1-score 激励/惩罚用户模型 皮尔逊相关系数 推荐系统 |
| 收稿时间： | 2019-11-12 |
| 修稿时间： | 2019-12-23 |
Collaborative Filtering Algorithm Based on Clustering and Incentive/Penalty User Model |
| |
| WU Qing-Yang,CHENG Xu,DENG Cheng-Peng,DING Hao-Xuan,ZHANG Hong,LIN Sheng-Hai. Collaborative Filtering Algorithm Based on Clustering and Incentive/Penalty User Model[J]. Computer Systems& Applications, 2020, 29(8): 135-143 |
| |
| Authors: | WU Qing-Yang CHENG Xu DENG Cheng-Peng DING Hao-Xuan ZHANG Hong LIN Sheng-Hai |
| |
| Affiliation: | Automotive Data of China (Tianjin) Co. Ltd, Tianjin 300393, China |
| |
| Abstract: | |
| |
| Keywords: | clustering collaborative filtering F1-score incentivized/penalized user model Pearson correlation coefficient recommender system |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
