基于粗糙集理论的金融信息推荐算法研究
信息推荐是根据用户需求为用户主动推荐相关内容的一种信息服务的技术,现有的信息推荐技术更多地从全局信息空间为用户提供通用的信息服务,而特定领域信息内容结构、用户需求、服务模式、推荐算法等都有很大差异,与领域信息服务相关的个性化推荐方法是推荐质量的重要保证.针对金融领域信息服务的特点提出一种基于粗糙集的金融信息推荐算法,将粗糙集算法和内容过滤技术结合起来实现金融信息推荐.首先进行基于粗糙集的资源分类,包括数据预处理、特征值提取、属性约简、规则的生成、分类结果产生等步骤.然后在资源分类的基础上进行特定领域信息推荐.实验证明,推荐算法的效率比较高,比基于普通分类的信息推荐算法在查全率和查准率上都有较大改进,能很好地为某些特定领域的用户提供比较准确的推荐信息。
粗糙集 资源分类 内容过滤 金融信息推荐 用户需求 金融信息服务
辛治运 顾明 马兆丰
清华大学计算机科学与技术系,北京,100084;清华大学软件学院,北京,100084 清华大学软件学院,北京,100084 北京邮电大学信息工程学院,北京,100876
国内会议
郑州
中文
262-270
2007-05-27（万方平台首次上网日期，不代表论文的发表时间）