结合用户特征分类和动态时间的协同过滤推荐
来源:互联网 发布:科拉超深钻孔 知乎 编辑:程序博客网 时间:2024/06/08 05:55
谢霖铨, 梁博群. 结合用户特征分类和动态时间的协同过滤推荐, 2015年10月29日[J]. 计算机工程与应用, 2015.
(1)根据用户特征信息建立用户类别树,并根据分类树计算两两用户间相似性 simf(u,v) ;
L(hi,hj) 表示节点 i 和节点 j 具有的最大公共路径的节点个数,depth(hi) 表示节点 i 的层次。
(2)根据用户特征矩阵 T ,利用式(3)计算用户属性相似性 simAttr(u,v) ;
wl表示用户第 l 个特征的权重,simAttr(u,v,l) 表示用户 u 和用户 v 在特征 l 上的相似性。
用户 u 和用户 v 在特征 l (如年龄)上的相似性。
a 用于衡量用户之间年龄段的差值,b 主要是调整函数斜率控制不同年龄段用户之间相似度变化的快慢。
(3)利用式(6)计算综合用户特征及分类后的用户属性相似性 simc(u,v) ;
一种自适应的权重模型,根据用户 u 和用户 v 之间的相同特征个数来自动地调节 λ 的值。
(4)考虑用户特征动态变化的情况,计算用户动态变化情况下的用户相似性 simt(u,v) ;
本文根据时间跨度引入一个衰减函数
(5)根据用户评分矩阵 R ,利用式(1)计算用户评分相似性 sims(u,v) ;
皮尔逊相关相似性
(6)由式(10)计算融合了用户特征和用户评分后的用户相似性 sim(u,v) ;
Iu表示用户u 评价过的所有项目。
(7)统计目标用户 u 已评分项目集 Iu,利用式(2)预测目标用户对项目的评分 pui。
0 0
- 结合用户特征分类和动态时间的协同过滤推荐
- 结合协同过滤和个性化AGENT的增强推荐
- 基于用户的协同过滤和基于物品的协同过滤推荐算法原理和实现
- 基于用户的协同过滤推荐算法原理和实现
- 基于用户的协同过滤推荐算法原理和实现
- 基于用户的协同过滤推荐算法原理和实现
- 基于用户的协同过滤推荐算法原理和实现
- 基于用户的协同过滤推荐算法原理和实现
- 基于用户的协同过滤推荐算法原理和实现
- 基于用户的协同过滤推荐算法原理和实现
- 基于用户的协同过滤推荐算法原理和实现
- 基于用户的协同过滤推荐算法原理和实现
- 基于用户的协同过滤推荐算法
- 基于用户的协同过滤推荐算法
- 基于用户的协同过滤推荐
- 基于用户的协同过滤推荐模型
- 电影推荐实例--基于协同过滤和DL特征提取的比较
- 结合协同过滤和个性化AGENT的增强推荐(续)
- SPY
- NOI-OpenJudge-2.1-1973确定进制
- Android studio2.3版本 用小米手机无法调试,用模拟器正常调试。Application Installation Failed
- 2017 蓝桥杯C/C++B组省赛 最大公共子串
- hdoj-2013-蟠桃记(解题报告)
- 结合用户特征分类和动态时间的协同过滤推荐
- web的配置文件、日志文件
- Qt可执行程序写入版本信息
- 大数据时代下的个人知识管理
- java基础—线程入门
- 测试开发工程师面试(阿里巴巴)
- 李友“四人帮”毁我方正,必须批判,严清流毒
- Spring 国际化 异常:No message found under code 'productname.required' for locale 'zh_CN'.
- STM32单片机串口的深思--主要是接收中断函数的编写