基于特征的兴趣推荐系统研究
|
摘要
随着电子商务和大数据技术的发展,在信息超载的情况下,如何提升营销的效率,更加全面的结合用户的喜好对产品进行推荐,成为关注的重点。针对上述的需求,结合用户的兴趣特征,提出一种基于隐式特征的用户兴趣协同过滤算法。对此,文章首先对隐语义模型进行分析,对用户特征和物品特征的提取;其次,通过协同过滤算法,计算两者之间的相似度;最后,通过预测的准确率来对上述构建算法的正确性和可行性的进行判定,验证了算法可提高预测的准确行,具有一定的工程借鉴价值。
with the development of e-commerce and big data technology,in information overload,how to improve marketing efficiency,more comprehensive combination of user preferences for product recommendation,has become the focus of attention.In view of the above requirements,combined with the characteristics of the user's interest,this paper proposes a collaborative filtering algorithm based on implicit features.This article first carries on the analysis to the latent semantic model; secondly,through the collaborative filtering algorithm to extract the user characteristics and features of objects,calculating the similarity between the two; finally,the prediction accuracy of the correctness and feasibility of the algorithm for constructing decision,verify the algorithm can improve the prediction accuracy.The project has a certain reference value.
with the development of e-commerce and big data technology,in information overload,how to improve marketing efficiency,more comprehensive combination of user preferences for product recommendation,has become the focus of attention.In view of the above requirements,combined with the characteristics of the user's interest,this paper proposes a collaborative filtering algorithm based on implicit features.This article first carries on the analysis to the latent semantic model; secondly,through the collaborative filtering algorithm to extract the user characteristics and features of objects,calculating the similarity between the two; finally,the prediction accuracy of the correctness and feasibility of the algorithm for constructing decision,verify the algorithm can improve the prediction accuracy.The project has a certain reference value.
引文
[1]房倩琦,柳玲,文俊浩,曾骏,高旻.社交关系在基于模型社会化推荐系统中的影响[J].计算机科学与探索,1-11.
[2]原玉娇,罗森林,林萌,潘丽敏.融合句义结构模型的短文本推荐算法研究[J].信息安全研究,2015,(01):67-73.
[3]王智圣,李琪,汪静,印鉴.基于隐式用户反馈数据流的实时个性化推荐[J].计算机学报,2016,(01):52-64.
[4]于娜娜,王中杰.基于Spark的协同过滤算法的研究[J].系统仿真技术,2016,(01):40-45.
[5]王升升,赵海燕,陈庆奎,曹健.个性化推荐中的隐语义模型[J].小型微型计算机系统,2016,(05):881-889.
[6]胡伟健,陈俊,李灵芳,何盛国.结合用户特征和兴趣变化的组推荐系统算法研究[J].软件导刊,2016,(06):60-62.
[7]杨震,司书勇,李超阳.基于用户隐式兴趣模型的信息推荐[J].山东大学学报(理学版),2017,(01):15-22.
[8]陈克寒,韩盼盼,吴健.基于用户聚类的异构社交网络推荐算法[J].计算机学报,2013,(02):349-359.
[9]朱然,李德华.新闻聚合系统中的数据挖掘技术初探[J].电脑知识与技术,2013,(01):148-151+157.
[10]云霞,李红,江肖强.基于环境因素和移动互联网的个性化推荐系统[J].电信快报,2013,(07):18-21+24.
[11]扈中凯,郑小林,吴亚峰,陈德人.基于用户评论挖掘的产品推荐算法[J].浙江大学学报(工学版),2013,(08):1475-1485.
[12]张泽鑫.内容推荐中用户偏好计算方法及影响因素[J].科技传播,2014,(13):245+243.
[13]洪亮,冉从敬,吴志强.移动环境下基于共同兴趣的情境感知信息推荐研究[J].情报理论与实践,2014,(11):124-128+139.
[14]王冠楠,陈端兵,傅彦.新闻推荐的多维兴趣模型与传播分析[J].计算机科学,2013,(11):126-130.
[15]严冬梅,鲁城华.基于用户兴趣度和特征的优化协同过滤推荐[J].计算机应用研究,2012,(02):497-500.
[2]原玉娇,罗森林,林萌,潘丽敏.融合句义结构模型的短文本推荐算法研究[J].信息安全研究,2015,(01):67-73.
[3]王智圣,李琪,汪静,印鉴.基于隐式用户反馈数据流的实时个性化推荐[J].计算机学报,2016,(01):52-64.
[4]于娜娜,王中杰.基于Spark的协同过滤算法的研究[J].系统仿真技术,2016,(01):40-45.
[5]王升升,赵海燕,陈庆奎,曹健.个性化推荐中的隐语义模型[J].小型微型计算机系统,2016,(05):881-889.
[6]胡伟健,陈俊,李灵芳,何盛国.结合用户特征和兴趣变化的组推荐系统算法研究[J].软件导刊,2016,(06):60-62.
[7]杨震,司书勇,李超阳.基于用户隐式兴趣模型的信息推荐[J].山东大学学报(理学版),2017,(01):15-22.
[8]陈克寒,韩盼盼,吴健.基于用户聚类的异构社交网络推荐算法[J].计算机学报,2013,(02):349-359.
[9]朱然,李德华.新闻聚合系统中的数据挖掘技术初探[J].电脑知识与技术,2013,(01):148-151+157.
[10]云霞,李红,江肖强.基于环境因素和移动互联网的个性化推荐系统[J].电信快报,2013,(07):18-21+24.
[11]扈中凯,郑小林,吴亚峰,陈德人.基于用户评论挖掘的产品推荐算法[J].浙江大学学报(工学版),2013,(08):1475-1485.
[12]张泽鑫.内容推荐中用户偏好计算方法及影响因素[J].科技传播,2014,(13):245+243.
[13]洪亮,冉从敬,吴志强.移动环境下基于共同兴趣的情境感知信息推荐研究[J].情报理论与实践,2014,(11):124-128+139.
[14]王冠楠,陈端兵,傅彦.新闻推荐的多维兴趣模型与传播分析[J].计算机科学,2013,(11):126-130.
[15]严冬梅,鲁城华.基于用户兴趣度和特征的优化协同过滤推荐[J].计算机应用研究,2012,(02):497-500.