購物車(0)
耦合輔助信息的矩陣分解推薦模型
關(guān)鍵詞：推薦系統(tǒng) 混合協(xié)同過濾 矩陣分解 物品相似度 耦合對(duì)象相似度
摘要：近十年來,協(xié)同過濾(CF)推薦系統(tǒng)成功地為用戶提供了個(gè)性化的產(chǎn)品和服務(wù)。然而,用戶—物品矩陣的稀疏性、推薦精度不高等問題仍然是一個(gè)挑戰(zhàn)。針對(duì)這些問題,在矩陣分解模型基礎(chǔ)上,提出了耦合用戶和物品輔助信息的矩陣分解混合協(xié)同過濾框架;然后,基于此框架又提出了耦合物品屬性信息相似度(COS)的過濾模型。大規(guī)模真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)表明,該模型不但可以有效解決物品相似度度量問題,而且相比傳統(tǒng)方法,尤其是在物品特征非常稀疏的情況下,推薦準(zhǔn)確性得到了有效改進(jìn)。
計(jì)算機(jī)應(yīng)用研究雜志要求:
{1}注釋與參考文獻(xiàn)：注釋是對(duì)論文中某一特定內(nèi)容的解釋或補(bǔ)充說明，用帶圈數(shù)字注于當(dāng)頁頁腳；參考文獻(xiàn)是論文中引用的觀點(diǎn)、數(shù)據(jù)和材料等內(nèi)容的出處，用帶方括號(hào)的數(shù)字（如[]）按順序編碼標(biāo)明，并與文末編碼對(duì)應(yīng)。
{2}引言應(yīng)簡明扼要介紹本文研究的領(lǐng)域，國內(nèi)外目前研究的近期結(jié)果與趨勢，存在的問題；本文研究的理論依據(jù)，歷史背景，研究的設(shè)想、思路、要解決的具體問題，創(chuàng)新點(diǎn)（重要）和預(yù)期目的及意義。
{3}來稿須為學(xué)術(shù)論文，內(nèi)容應(yīng)在本刊用稿范圍內(nèi)。來稿應(yīng)結(jié)構(gòu)完整，包括標(biāo)題、作者信息、摘要、關(guān)鍵詞、正文和參考文獻(xiàn)等部分。
{4}作者介紹主要包括：作者姓名，工作單位（+職務(wù)），技術(shù)職稱，主要研究方向。
{5}一般三至四級(jí)標(biāo)題為宜，不超過五級(jí)。正文字號(hào)字體均為五號(hào)宋體，行間距為固定值20磅。一級(jí)標(biāo)題應(yīng)加黑居中。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
