点击量 ：

第一作者 ： 朱婷

发表时间 ： 2018-01-01

发表刊物 ： 浙江师范大学学报(自然科学版)

所属单位 ： 数理与信息工程学院

文献类型 ： 期刊

卷号 ： 第41卷

期号 ： 第1期

页面范围 ： 56-63

ISSN ： 1001-5051

关键字 ： Hash学习；主成分分析；推荐系统；协同过滤；k-means聚类；Manhattan距离

摘要 ： 针对电子商务数据量大、用户寻找有用信息困难的现状,提出了基于Hash的Top-N推荐方法.通过两步骤Hash策略,并利用主成分分析(PCA)法,将数据降维后再通过k-means聚类量化;然后运用协同过滤,以二进制码对应实值的Manhattan距离度量用户相似性;最后计算推荐项的预测评分,将推荐列表中的前N项作为最终的推荐项目呈现给用户.结果表明:命中率(HR)与平均命中等级倒数(ARHR)的结果较好,该方法能够有效地进行个性化推荐.

是否译文 ： 否