基于兴趣感知和时间因子的个性化菜品推荐.PDFVIP

基于兴趣感知和时间因子的个性化菜品推荐.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于兴趣感知和时间因子的个性化菜品推荐

基于兴趣感知和时间因子的个性化菜品推荐 作者 范顺忠, 陈浩 机构 湖南大学 信息科学与工程学院 发表期刊 《计算机应用研究》 预排期卷 2018 年第 35 卷第 2 期 访问地址 /article/02-2018-02-060.html 发布日期 2017-03-15 09:22:38 引用格式 范顺忠, 陈浩. 基于兴趣感知和时间因子的个性化菜品推荐[J/OL]. [2017-03-15]. http://www.aro /article/02-2018-02-060.html. 摘要 目前推荐系统已广泛应用在各种电子商务网站上,但针对菜品的个性化推荐很少。针对菜品推荐 中存在别名多、用户菜品矩阵稀疏以及新用户冷启动等难题,对基于用户的协同过滤算法进行改 进,设计一种融合专家选择和在线推荐的菜品推荐系统。专家选择通过对菜品进行种类层次划分 为用户兴趣建模做准备,在线推荐通过兴趣感知选择算法选择餐厅中的专家用户和候选菜品,从 而实现对用户菜品的推荐。最后通过在候选菜品选择时引入时间敏感因子和协同过滤中引入时间 遗忘因子,改进兴趣感知算法和菜品偏好预测效果。实验结果表明,所设计算法较传统算法… 关键词 推荐系统, 个性化菜品推荐, 用户兴趣感知, 时间因子, 菜品层级分类 中图分类号 TP181 基金项目 国家自然科学基金资助项目61472131); 湖南省自然科学基金资助项目(2015JJ2027) 优先出版 计 算 机 应 用 研 究 第 35卷 ---------------------------- 基金项目:国家自然科学基金资助项目61472131);湖南省自然科学基金资助项目(2015JJ2027) 作者简介:范顺忠(1990-),男,江苏泰州人,硕士研究生,主要研究方向为数据挖掘、推荐系统(frankmit@);陈浩(1975-),男,副教 授,博士,主要研究方向为大数据技术、个性化推荐. 基于兴趣感知和时间因子的个性化菜品推荐 * 范顺忠,陈 浩 (湖南大学 信息科学与工程学院,长沙 410082) 摘 要:目前推荐系统已广泛应用在各种电子商务网站上,但针对菜品的个性化推荐很少。针对菜品推荐中存在别名多、 用户菜品矩阵稀疏以及新用户冷启动等难题,对基于用户的协同过滤算法进行改进,设计一种融合专家选择和在线推荐 的菜品推荐系统。专家选择通过对菜品进行种类层次划分为用户兴趣建模做准备,在线推荐通过兴趣感知选择算法选择 餐厅中的专家用户和候选菜品,从而实现对用户菜品的推荐。最后通过在候选菜品选择时引入时间敏感因子和协同过滤 中引入时间遗忘因子,改进兴趣感知算法和菜品偏好预测效果。实验结果表明,所设计算法较传统算法在准确性和推荐 效率有明显改进,并得出了针对菜品推荐时引入时间因子有利提高推荐准确性的结论。 关键词:推荐系统;个性化菜品推荐;用户兴趣感知;时间因子;菜品层级分类 中图分类号:TP181 Preference-aware and time factor based personalized dish recommendation Fan Shunzhong, Chen Hao (College of Computer Science Electronic Engineering, Hunan University, Changsha 410082, China) Abstract: Currently, recommendation systems were widely used in a variety of e-commerce sites, but few were for personalized dish recommendations. Focusing on dish recommendation problems of multiple aliases, sparse user-dish matrix and cold start of new users, this paper improved the traditional user-based collaborative filtering algorithm and designed a dish recommendation system that combined expert selection and online recommendation. The expert selection made preparations for user interest model by classifying di

文档评论(0)

***** + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档