节点文献

基于本体和信息量融合的个性化推荐方法研究

免费订阅

【作者】 黎雪微应时洪伟

【Author】 LI Xue-wei;YING Shi;HONG Wei;School of Information Management;Wuhan University;Department of Economics and Management,Wenhua College;School of Computer Science,Wuhan University;School of Engineering Information,Wuhan Sport University;

【机构】 武汉大学信息管理学院文华学院经济管理学部武汉大学计算机学院武汉体育学院工信学院

【摘要】 【目的/意义】个性化推荐方法是目前解决信息多样化与用户需求专一化之间矛盾的比较有代表性的解决方案之一。基于内容的推荐系统由于算法本身的局限性和项目特征提取的困难性使得推荐结果过于专门化,不能给用户提供新颖的推荐项目,本文尝试找到一种兴趣偏好扩散的方法改善推荐专门化的问题。【方法/过程】本文提出了一种在领域本体中基于信息层次距离和信息损失距离的综合推荐方法,该方法通过基于信息层次距离的相似性和基于信息损失距离的相似性算法来综合计算项目之间的相似度。【结果/结论】研究表明:领域本体中信息损失距离对推荐结果能产生较大影响,基于信息层次距离和信息损失距离的综合推荐方法能有效提高推荐结果的多样性和有用性。

【基金】 国家自然科学基金项目“基于SaaS软件运行日志分析的软件性能问题的在线识别和诊断方法”(61672392)
【所属期刊栏目】 业务研究 (2019年09期)
  • 【DOI】10.13833/j.issn.1007-7634.2019.09.015
  • 【分类号】TP391.3
  • 【下载频次】31
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: