李祖海
- 作品数：2 被引量：10H指数：2
- 供职机构：西安电子科技大学经济与管理学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金陕西省自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 基于用户分类的协同过滤个性化推荐方法研究被引量：8
- 2015年
- 【目的】解决随着用户数目剧增而造成的协同过滤算法效率过低的问题。【方法】提出一种基于用户分类的协同过滤方法。该方法引入基于规则的分类方法对庞大的用户群分类,在保证一定的推荐准确度前提下,为用户寻找局部近邻用户,并以局部近邻用户基准完成个性化推荐。【结果】分别通过F1与平均绝对误差两个指标进行用户分类与推荐精度评估,在用户分类准确及推荐精度良好的前提下,用时间复杂度衡量算法效率。实验结果表明,引入用户分类的协同过滤推荐效率明显提高。【局限】牺牲一定程度的推荐精度;仅在Movie Lens公开数据集上进行实验测试,还需在其他数据集上进一步检验。【结论】本文方法可以减少近邻用户识别的计算量,同时提高算法效率。
- 祝婷秦春秀李祖海
- 关键词：个性化推荐协同过滤用户分类
- 基于本体与LDA主题模型的文本资源推荐方法研究被引量：2
- 2015年
- 为了解决基于LDA主题模型的推荐结果总是局限在同一主题范围内从而在一定程度上限制了推荐惊喜度的问题。将本体引入到基于LDA主题模型的文本资源推荐中,通过本体扩展LDA模型的主题得到关联主题,然后考虑关联主题在文本中的分布概率,结合加权后的关联主题给予用户最终的推荐。实验结果表明,引入本体后,基于LDA主题模型的推荐惊喜度有了明显的提高。
- 祝婷秦春秀马晓悦李祖海
- 关键词：本体语义相关度
