基于图书评论属性挖掘的群组推荐研究
[目的]利用用户、标签、图书三者之间的关系实现群组推荐。[方法]通过用户一标签、图书一标签的标注关系，利用K-means算法进行用户聚类和图书聚类，形成用户群组和图书群组，并进行余弦相似度计算，从图书评论属性角度对不同图书类型进行对比，并对图书进行打分、排序和聚类，实现个性化推荐。以“豆瓣网”为例对模型进行验证。[结果]基于图书评论属性挖掘的推荐模型能够为用户群组准确有效地推荐资源，推荐效果较好。[局限]样本数据集有限，采集的用户以及图书数量较少。[结论]结合图书评论属性挖掘的推荐模型对个性化推荐效果有一定的提升。
社会化标注 群组推荐 聚类 图书评论
熊回香 李晓敏 李跃艳
华中师范大学信息管理学院 武汉430079 南京大学信息管理学院 南京210023
国内会议
兰州
中文
214-222
2019-07-10（万方平台首次上网日期，不代表论文的发表时间）