留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于MI聚类的协同推荐算法

袁汉宁 周彤 韩言妮 陈媛媛

袁汉宁, 周彤, 韩言妮, 陈媛媛. 基于MI聚类的协同推荐算法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(2): 253-257.
引用本文: 袁汉宁, 周彤, 韩言妮, 陈媛媛. 基于MI聚类的协同推荐算法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(2): 253-257.
Yuan Hanning, Zhou Tong, Han Yanni, Chen Yuanyuan. Collaborative Recommendation Algorithm Based on MI Clustering[J]. Geomatics and Information Science of Wuhan University, 2015, 40(2): 253-257.
Citation: Yuan Hanning, Zhou Tong, Han Yanni, Chen Yuanyuan. Collaborative Recommendation Algorithm Based on MI Clustering[J]. Geomatics and Information Science of Wuhan University, 2015, 40(2): 253-257.

基于MI聚类的协同推荐算法

基金项目: 国家自然科学基金资助项目61173061 61472039 61303252 71201120 中央高校基本科研业务费专项资金资助项目2012 IV 053
详细信息
    作者简介:

    袁汉宁副教授博士 现从事机器学习、商务智能研究

  • 中图分类号: TP391

Collaborative Recommendation Algorithm Based on MI Clustering

计量
  • 文章访问数:  832
  • HTML全文浏览量:  41
  • PDF下载量:  447
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-04-25
  • 刊出日期:  2015-02-05

基于MI聚类的协同推荐算法

    基金项目:  国家自然科学基金资助项目61173061 61472039 61303252 71201120 中央高校基本科研业务费专项资金资助项目2012 IV 053
    作者简介:

    袁汉宁副教授博士 现从事机器学习、商务智能研究

  • 中图分类号: TP391

摘要: 在个性化推荐系统中,项目的内容特征是影响推荐精度的重要因素。针对传统协同推荐不能有效考虑项目内容特征的问题,在考虑传统用户-项目评分信息的基础上,引入项目的内容特征属性,构建基于多示例(MI)的用户评分信息表达模型。根据多示例学习模式具有一定容错性的特点,设计了基于多示例聚类的协同推荐算法,通过多示例聚类计算用户的最近邻集合,根据最近邻集合对用户评分进行预测。实验结果表明,基于MI聚类的协同过滤推荐算法提高了预测评分的准确度,且有效缓解了数据稀疏性问题

English Abstract

袁汉宁, 周彤, 韩言妮, 陈媛媛. 基于MI聚类的协同推荐算法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(2): 253-257.
引用本文: 袁汉宁, 周彤, 韩言妮, 陈媛媛. 基于MI聚类的协同推荐算法[J]. 武汉大学学报 ● 信息科学版, 2015, 40(2): 253-257.
Yuan Hanning, Zhou Tong, Han Yanni, Chen Yuanyuan. Collaborative Recommendation Algorithm Based on MI Clustering[J]. Geomatics and Information Science of Wuhan University, 2015, 40(2): 253-257.
Citation: Yuan Hanning, Zhou Tong, Han Yanni, Chen Yuanyuan. Collaborative Recommendation Algorithm Based on MI Clustering[J]. Geomatics and Information Science of Wuhan University, 2015, 40(2): 253-257.

目录

    /

    返回文章
    返回