基于异质信息网络的模糊推荐算法
【出 处】:
【作 者】:李娴 赵霞 张泽华 张晨威
【摘 要】随着互联网信息的爆炸式增长,推荐系统扮演着越来越重要的角色。为了解决传统推荐系统存在的信息稀疏问题,并且合理表达用户的偏好,提出基于异质信息网络的模糊推荐算法(HFR)。HFR方法构建三角模糊评分模型将用户离散的评分信息模糊化,此外,还加入了项目的属性信息并使用元路径表示;在此基础上充分利用多源信息,提出了一种新的相似性度量,并预测评分获得最终的推荐结果。实验结果表明,HFR方法有效解决了信息稀疏问题,提高了推荐质量。
相关热词搜索:数据稀疏; 异质信息网络; 元路径; 模糊集;
上一篇:动态空间网络中的黑洞模式挖掘算法
下一篇:一种融合上下文特征的中文隐式情感分类模型