融合社会网络和项目特征的移动应用推荐
随着移动应用的数量与日俱增,如何在海量应用中为用户推荐其感兴趣的应用受到了广泛关注.协同过滤算法广泛应用于各类移动推荐系统中.传统的协同过滤算法通过提取用户共同评分项目信息来计算用户相似度.然而,协同过滤算法普遍存在数据稀疏性问题,即在评分矩阵中,用户共同评分项目所占的比例很小,这在一定程度上导致了使用余弦公式或Pearson公式计算出的用户相似度不能准确的反映用户的相似程度.为了改善由于数据稀疏性问题导致的推荐结果不准确,使用K-means方法对项目进行基于语义相似的聚类,以实现基于相似项目的用户相似度计算,在此基础上,提出了一种融合社会网络和项目特征的移动应用推荐.实验表明:融合了社会网络和项目特征的移动应用推荐能够缓解数据稀疏性问题对协同过滤算法的不利影响,在一定程度上提高了推荐结果的准确度.
移动推荐系统 协同过滤 K-means方法 语义相似度 社会网络 项目特征
于美琪 邝砾 呙斌 曹高峰
中南大学软件学院,湖南长沙410075
国内会议
咸宁
中文
104-112
2015-11-07（万方平台首次上网日期，不代表论文的发表时间）