吴亚峰
- 作品数：2 被引量：30H指数：1
- 供职机构：浙江大学计算机科学与技术学院更多>>
- 发文基金：国家自然科学基金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于用户评论挖掘的产品推荐算法被引量：29
- 2013年
- 针对电子商务推荐系统中,互联网"信息过载"所造成的难以精确定位用户兴趣并提供准确产品推荐的问题,通过深入挖掘电子商务社区中丰富的用户评论信息,开发产品特征提取算法,建立用户兴趣偏好模型,结合用户历史评分数据来改善传统协同过滤推荐算法的推荐准确性;利用相似度传递技术在一定程度上缓解推荐系统中数据稀疏性带来的问题.实验结果表明,在数据稀疏的情况下,该算法仍可较好地拟合用户对产品的兴趣偏好,并在推荐准确性方面较传统的协同过滤算法有明显的提高.
- 扈中凯郑小林吴亚峰陈德人
- 关键词：用户偏好协同过滤
- 基于评论挖掘的协同过滤推荐算法研究
- 随着互联网的飞速发展,“信息过载”的问题使得电子商务推荐系统面临着如何定位用户兴趣及时提供准确产品的瓶颈。而协同过滤算法是在诸多推荐系统中使用最广泛和有效的算法之一,但推荐准确性与数据稀疏性等问题一直都是影响该算法效果的...
- 吴亚峰
- 关键词：用户偏好协同过滤电子商务
- 文献传递
