登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
面向图书馆大数据知识服务的多情境兴趣推荐方法
  • 摘要

    大数据环境下,推荐系统项目评分的稀疏性问题愈加突出,单兴趣表示方法也难以对用户多种情境兴趣进行准确描述,导致推荐结果精度大大降低.鉴于此,提出一种多情境兴趣表示方法,在此基础上构建面向图书馆大数据知识服务的多情境兴趣推荐模型,通过对用户多情境兴趣的层次划分,利用蚁群层次挖掘的优势来发现目标用户的若干最近邻类簇,然后根据类簇内相似用户对目标项目的评分对未评分项目进行预测,最后结合MapReduce化的大数据并行处理方法来进行协同过滤推荐.实验结果表明,多情境兴趣的建模方法改善了单兴趣建模存在的歧义推荐问题,有效缓解了大数据环境下项目评分的数据稀疏问题,MapReduce化的蚁群层次聚类方法也大大改善了推荐系统的运行效率.

  • 作者

    刘海鸥  孙晶晶  苏妍嫄  张亚明  Liu Haiou  Sun Jingjing  Su Yanyuan  Zhang Yaming 

  • 作者单位

    燕山大学经济管理学院, 河北 秦皇岛066004;燕山大学互联网+与产业发展研究中心, 河北 秦皇岛066004/燕山大学经济管理学院,河北 秦皇岛,066004

  • 刊期

    2018年6期 PKU CSSCI

  • 关键词

    大数据知识服务  多情境兴趣  蚁群层次聚类  协同过滤推荐  library big data knowledge service  multi contextual interest  ACO hierarchical clustering  CF recom-mendation 

相似文献 查看更多>>
34.229.97.16