计算机科学 ›› 2020, Vol. 47 ›› Issue (11A): 482-485.doi: 10.11896/jsjkx.200400028
周波
ZHOU Bo
摘要： 当前基于二分网络的推荐算法未考虑推荐对象之间的语义关系,因此文中提出一种融合语义模型的二分网络推荐算法。该算法利用作者主题模型将推荐对象的语义信息降维至二维向量空间;然后计算推荐对象之间的语义相似度,把该语义相似度融合到基于物质扩散的二分网络推荐算法中。以新能源汽车专利权人推荐为实例进行实验验证,结果表明,该算法相比于单一的二分网络推荐算法具有更高的准确率和召回率,准确率提高比率为2.29%,召回率提高比率为4.15%。
中图分类号:
| [1] XIAO M,XIONG Q X.Collaborative Filtering Recommendation Algorithm Based on Semantic Similarity Between Items[J].Journal of Wuhan University of Technology,2009,31(3):21-23,32. [2] WU Z Y,TANG Y,FANG J X,et al.Collaborative FilteringRecommendation Algorithm Based on Ontology Semantic Similarity [J].Computer Science,2015,42(9):204-207,225. [3] WANG G S,PAN F Z.Collaborative filtering recommendation algorithm based on semantic similarity[J/OL].[1-9]2020-04-05].https://kns-cnki-net.e1.buaa.edu.cn/kcms/detail/34.1054.N.20200306.2103.006.html. [4] ZHOU T,JIE R,MATC＇S M,et al.Bipartite network projection and personal recommendation[J].Physical Review E,2007,76(4):70-80. [5] ZHOU B.Collaborative filtering algorithm－a special case of the bipartite network recommendation algorithm [J].Computer Science,2019,46(S2):163-166,177. [6] ZHOU B,YANG C F.The research of Bipartite Network Recommendation Algorithm Based on Transmitter and Acceptor Ability[J].Technology Intelligence Engineering,2016,2(2):71-80. [7] ZHOU B,YANG C F.The Research Progress of Recommendation Algorithm Based on Bipartite Network [J].Technology Intelligence Engineering,2016,2(1):77-90. [8] ZHANG X M,JIANG S Y,ZHANG Q S,et al.Hybrid recommendation by combining network-based algorithm and user pre-ference [J].Journal of Shandong University (Natural Science),2015,9:29-35,41. [9] BLEI D M,NG A,JORDAN M I.Latent Dirichlet Allocation[J].Journal of Machine Learning Research,2003,3:993-1022. [10] ESTAAROOKS A,JO T,JAPKOWICZ N.A Multiple Resampling Method for Learning from Imbalanced Data Sets[J].Computational Intelligence,2004,20(1):18-36. [11] WANG Y G,ZHANG X,LIU X G.Research on micro-bloguser's interest mining based on author-topic model[J].Computer Engineering and Applications,2015,51(13):126-130. [12] WANG L D,WEI B G,YUAN J.Document Clustering Based on Probabilistic Topic Model [J].Acta Electronica Sinica,2012,40(11):2346-2350. [13] STEYVERS M,SMYTH P,ROSEN-ZVI M,et al.Probabilistic author-topic models for information discovery[C]//Tenth Acm Sigkdd International Conference on Knowledge Discovery & Data Mining.2004:306-315. [14] HONG Y T.Collaborator Recommendation System Based OnCoauthor Network [D].Hangzhou:Zhejiang University,2015. [15] ZHOU B,YANG C F.The Recommendation of Patentee Based on Bipartite Network——A Case Study of New Energy Vehicles [J].TechnologyIntelligence Engineering,2016,2(4):56-68. |
| [1] | 王瑞平, 贾真, 刘畅, 陈泽威, 李天瑞. 基于DeepFM的深度兴趣因子分解机网络[J]. 计算机科学, 2021, 48(1): 226-232. |
| [2] | 刘君良, 李晓光. 个性化推荐系统技术进展[J]. 计算机科学, 2020, 47(7): 47-55. |
| [3] | 邹海涛, 郑尚, 王琦, 于化龙, 高尚. 基于牛顿法的自适应高阶评分距离推荐模型研究[J]. 计算机科学, 2020, 47(6A): 494-499. |
| [4] | 马海江. 基于卷积神经网络与约束概率矩阵分解的推荐算法[J]. 计算机科学, 2020, 47(6A): 540-545. |
| [5] | 余敦辉, 成涛, 袁旭. 基于排序学习的软件众包任务推荐算法[J]. 计算机科学, 2020, 47(12): 106-113. |
| [6] | 张艳红, 张春光, 周湘贞, 王怡鸥. 项目多属性模糊联合的多样性视频推荐算法[J]. 计算机科学, 2019, 46(8): 78-83. |
| [7] | 康林瑶, 唐兵, 夏艳敏, 张黎. 基于GPU加速和非负矩阵分解的并行协同过滤推荐算法[J]. 计算机科学, 2019, 46(8): 106-110. |
| [8] | 张龙, 周杨, 田江鹏, 赵海鹏. 语义驱动下的网络资源符号设计方法[J]. 计算机科学, 2019, 46(4): 83-88. |
| [9] | 张晓琴, 安晓丹, 曹付元. 基于谱聚类的二分网络社区发现算法[J]. 计算机科学, 2019, 46(4): 216-221. |
| [10] | 张宏丽, 白翔宇, 李改梅. 利用最近邻域推荐且结合情境感知的个性化推荐算法[J]. 计算机科学, 2019, 46(4): 235-240. |
| [11] | 宾晟, 孙更新. 基于多关系社交网络的协同过滤推荐算法[J]. 计算机科学, 2019, 46(12): 56-62. |
| [12] | 周波. 二分网络推荐算法与协同过滤算法的关系研究[J]. 计算机科学, 2019, 46(11A): 163-166. |
| [13] | 朱佩佩, 龙敏. 基于用户间接信任及高斯填充的推荐算法[J]. 计算机科学, 2019, 46(11A): 178-184. |
| [14] | 邓秀勤, 刘太亨, 刘富春, 龙咏红. 基于全加权矩阵分解的用户协同过滤推荐算法[J]. 计算机科学, 2019, 46(11A): 199-203. |
| [15] | 戴彩艳, 陈崚, 胡孔法. 基于模块度增量的二分网络社区挖掘算法[J]. 计算机科学, 2018, 45(6A): 442-446. |
|
首页