CICF:一种基于上下文信息的协同过滤推荐算法0
文献类型：期刊论文
| 作者 | 鲁凯; 张冠元; 王斌 |
| 刊名 | 中文信息学报
 |
| 出版日期 | 2014 |
| 卷号 | 28期号:2页码:122 |
| 关键词 | 三协同过滤 上下文信息 隐参数模型 |
| ISSN号 | 1003-0077 |
| 英文摘要 | 协同过滤能够满足用户的偏好,为用户提供个性化的指导,是当前互联网推荐引擎中的核心技术。然而,该技术的发展面临着严重的用户评分稀疏性问题。用户评分历史中包含着丰富的上下文信息,因此该文通过利用两种上下文信息对评分稀疏性问题进行了有益的探索:利用物品之间的层次关联关系挖掘用户的潜在喜好;对用户评分的短期时间段效应进行建模。并提出了基于两种上下文信息的统一模型CICF。通过在Yahoo音乐数据集上的实验表明,CICF相比传统协同过滤算法能够显著提高预测效果;并通过在不同稀疏度的训练集上的实验证实了 CICF能够有效地缓解评分稀疏性问题。 |
| 语种 | 英语 |
| 源URL | [http://119.78.100.204/handle/2XEOYT63/27161]  |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 鲁凯,张冠元,王斌. CICF:一种基于上下文信息的协同过滤推荐算法0[J]. 中文信息学报,2014,28(2):122. |
| APA | 鲁凯,张冠元,&王斌.(2014).CICF:一种基于上下文信息的协同过滤推荐算法0.中文信息学报,28(2),122. |
| MLA | 鲁凯,et al."CICF:一种基于上下文信息的协同过滤推荐算法0".中文信息学报 28.2(2014):122. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。