模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2015, Vol. 28 Issue (5): 462-471    DOI: 10.16451/j.cnki.issn1003-6059.201505010
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
推荐系统中典型用户群组的发现和应用*
谭昶1,刘淇1,吴乐1,马海平2,龙柏3
1.中国科学技术大学 计算机科学与技术学院 合肥 230027.
2.科大讯飞股份有限公司 合肥 230088.
3.中国电子科技集团公司第三十八研究所 合肥 230088
Finding and Applying Typical User Group in Recommender Systems
TAN Chang1, LIU Qi1, WU Le1, MA Hai-Ping2, LONG Bo3
1.School of Computer Science and Technology, University of Science and Technology of China, Hefei 230027
2.iFLYTEK Co.,Ltd., Hefei 230088.
3.China Electronic Technology Group Corporation No.38 Research Institute, Hefei 230088

全文: PDF (944 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 推荐系统是解决用户的个性化信息需求的一种有效工具.但随着推荐系统用户规模的扩大,需要合理地从海量用户中筛选出用户子集,并进行持续和深入的分析以改进推荐系统.因此,文中首先提出典型用户群组的概念,以期发现推荐系统中的典型用户子集,从而可正确地反映全体用户的兴趣偏好.随后提出一种典型用户群组的发现算法,通过比较候选新增典型用户对典型用户群组的贡献度,逐一扩大典型用户群组规模,最终达到较高的推荐项目覆盖率和评分准确度.最后在典型用户群组中寻找用户的最近邻,实现一种改进的协同过滤推荐算法.通过在真实数据集上的实验结果表明,与其他用户群组发现算法以及经典推荐算法相比,验证典型用户群组不仅具有较好的代表性,也能够获得更好的推荐效果.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
谭昶
刘淇
吴乐
马海平
龙柏
关键词 推荐系统典型用户覆盖率    
Abstract:Recommender system (RS) provides an effective way to solve the personalized information needs of users. However, with the expansion of the user scale, it is necessary to find some subsets of vast amounts of RS users, and the continuous and in-depth analysis for these user subsets can be used to improve the RS. Therefore, the typical user group (TUG) is defined as a representative subset of the entire users in RS to correctly reflect the preferences of all the users. Then, a weighted typical user group finding algorithm (WTFA) is designed to compare the contributions of the candidate typical users and choose the typical users with higher contribution, so that a TUG is built with high item coverage rate and rating accuracy. A modified TUG-based collaborative filtering(TUG-CF)algorithm is developed to discover the nearest neighbors in TUG. The experimental results on real world dataset show that TUG is better than most rating user group and maximizes diversified user group on item coverage rate and rating accuracy, and TUG-CF has better recommendation results than traditional collaborative filtering methods.
Key wordsRecommender System    Typical User    Coverage Rate   
收稿日期: 2014-03-25     
基金资助:国家863计划项目(No.2014AA015203)、中央高校基本科研基金项目(No.WK0110000042)、安徽省自然科学基金青年基金项目(No.1408085QF110)、安徽省科技专项(No.13Z02008-5)、安徽省国际科技合作计划项目(No.1303063008)、安徽省科技攻关计划项目(No.1301022064)资助
作者简介: 谭昶,男,1986年生,博士研究生,主要研究方向为个性化推荐系统.E-mail: tanchang@mail.ustc.edu.cn.刘淇(通讯作者),男,1986年生,博士,副研究员,主要研究方向为数据挖掘与知识发现、机器学习方法及其应用.E-mail: qiliuql@ustc.edu.cn.吴乐,女,1988年生,博士研究生,主要研究方向为个性化推荐系统、社交网络分析.马海平,女,1986年生,博士,工程师,主要研究方向为文本挖掘和移动情境挖掘.龙柏,男,1980年生,博士,副研究员,主要研究方向为雷达信息处理.
引用本文:   
谭昶,刘淇,吴乐,马海平,龙柏. 推荐系统中典型用户群组的发现和应用*[J]. 模式识别与人工智能, 2015, 28(5): 462-471. TAN Chang, LIU Qi, WU Le, MA Hai-Ping, LONG Bo. Finding and Applying Typical User Group in Recommender Systems. , 2015, 28(5): 462-471.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201505010      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2015/V28/I5/462
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn