您的位置: 专家智库 > >

黄山山

作品数:1 被引量:0H指数:0
供职机构:山东大学计算机科学与技术学院更多>>
发文基金:山东省自然科学基金山东省优秀中青年科学家科研奖励基金国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 1篇中文期刊文章

领域

  • 1篇自动化与计算...

主题

  • 1篇数据稀疏
  • 1篇数据稀疏性
  • 1篇推荐系统
  • 1篇稀疏性
  • 1篇协同过滤
  • 1篇协同过滤推荐
  • 1篇协同过滤推荐...
  • 1篇矩阵
  • 1篇矩阵分解
  • 1篇冷启动
  • 1篇DATA

机构

  • 1篇山东大学
  • 1篇山东财经大学

作者

  • 1篇郭磊
  • 1篇王帅强
  • 1篇马军
  • 1篇黄山山

传媒

  • 1篇中文信息学报

年份

  • 1篇2016
1 条 记 录,以下是 1-1
排序方式:
LinkMF:结合Linked Data的协同过滤推荐算法
2016年
协同过滤(CF)是推荐系统中应用最为广泛的推荐算法之一,然而数据稀疏性和冷启动问题是协同过滤方法的两个主要挑战。由于Linked Data整合了关于实体的丰富且结构化的特征,可以作为额外的信息源来缓解以上两种挑战。该文中我们首次提出了结合Linked Data改进CF推荐算法,基于矩阵分解提出了一种新的CF模型——LinkMF,在保证推荐准确度的基础上利用Linked Data缓解数据稀疏性和冷启动问题。首先,我们从Linked Data中抽取项目的特征表示并为项目建模;然后提出新的相似度度量方法计算项目相似度;最后利用项目相似度约束和指导MF分解过程产生推荐。在MovielLens和YAGO标准数据集上的大量实验结果表明,LinkMF优于现有的一些CF方法,特别在缓解数据稀疏性和冷启动问题上取得很好地效果。
黄山山马军郭磊王帅强
关键词:推荐系统矩阵分解DATA数据稀疏性冷启动
共1页<1>
聚类工具0