-
题名面向图书馆大数据知识服务的多情境兴趣推荐方法
被引量:21
- 1
-
-
作者
刘海鸥
孙晶晶
苏妍嫄
张亚明
-
机构
燕山大学经济管理学院
燕山大学互联网+与产业发展研究中心
-
出处
《现代情报》
CSSCI
2018年第6期62-67,156,共7页
-
基金
国家自然科学基金项目"云环境用户多兴趣图谱的移动商务关联性推荐模型及算法研究"(项目编号:71271186)
教育部人文社会科学基金"大数据异构OSNs情境特征挖掘的社会化信任推荐方法及其应用研究"(项目编号:17YJCZH109)
+1 种基金
河北省自然科学基金"融合情境特征的大数据异构OSNs信任推荐模型及算法研究"(项目编号:G2017203319)
河北省自然科学基金项目"大数据异构在线社交网络复杂信息传播建模及算法研究"(项目编号:G2016203220)
-
文摘
大数据环境下,推荐系统项目评分的稀疏性问题愈加突出,单兴趣表示方法也难以对用户多种情境兴趣进行准确描述,导致推荐结果精度大大降低。鉴于此,提出一种多情境兴趣表示方法,在此基础上构建面向图书馆大数据知识服务的多情境兴趣推荐模型,通过对用户多情境兴趣的层次划分,利用蚁群层次挖掘的优势来发现目标用户的若干最近邻类簇,然后根据类簇内相似用户对目标项目的评分对未评分项目进行预测,最后结合MapReduce化的大数据并行处理方法来进行协同过滤推荐。实验结果表明,多情境兴趣的建模方法改善了单兴趣建模存在的歧义推荐问题,有效缓解了大数据环境下项目评分的数据稀疏问题,MapReduce化的蚁群层次聚类方法也大大改善了推荐系统的运行效率。
-
关键词
大数据知识服务
多情境兴趣
蚁群层次聚类
协同过滤推荐
-
Keywords
library big data knowledge service
multi contextual interest
ACO hierarchical clustering
CF recommendation
-
分类号
G203
[文化科学—传播学]
-