2024年12月25日
星期三
|
欢迎来到海南省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
黄山山
作品数:
1
被引量:0
H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>>
合作作者
马军
山东财经大学计算机科学与技术学...
王帅强
山东财经大学计算机科学与技术学...
郭磊
山东大学计算机科学与技术学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
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
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
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
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张