基于多源数据融合的协同推荐方法

柯福顺; 姚晓辉

doi:10.11959/j.issn.1000-0801.2015164

您当前的位置：

首页 >

文章列表页 >

基于多源数据融合的协同推荐方法

研究与开发 | 更新时间：2024-06-05

- 基于多源数据融合的协同推荐方法
- Collaborating Filtering Method Based on Multiple Data Sources
- 电信科学 2015年31卷第7期页码：86-89
- 作者机构：
- 作者简介：
  
  [ "柯福顺，男，中国电信股份有限公司上海研究院信息技术部工程师，主要研究方向为大数据应用架构和数据模型挖掘。" ]
  [ "姚晓辉，男，中国电信股份有限公司上海研究院信息技术部IT支撑与服务高级工程师，主要研究方向为数据规划、数据挖掘、信息管理。" ]
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2015164
  中图分类号：
- 网络出版日期：2015-07，
  
  纸质出版日期：2015-07-20
- 稿件说明：
移动端阅览
柯福顺, 姚晓辉. 基于多源数据融合的协同推荐方法[J]. 电信科学, 2015,31(7):86-89.

Fushun Ke, Xiaohui Yao. Collaborating Filtering Method Based on Multiple Data Sources[J]. Telecommunications science, 2015, 31(7): 86-89.
柯福顺, 姚晓辉. 基于多源数据融合的协同推荐方法[J]. 电信科学, 2015,31(7):86-89. DOI： 10.11959/j.issn.1000-0801.2015164.

Fushun Ke, Xiaohui Yao. Collaborating Filtering Method Based on Multiple Data Sources[J]. Telecommunications science, 2015, 31(7): 86-89. DOI： 10.11959/j.issn.1000-0801.2015164.

摘要

大数据环境下，实现多源数据的高效利用是推荐服务的一个重要问题。为此，基于协同推荐方法，选取相似用户的消费行为完成推荐排序，在用户聚类过程引入预聚类单元和综合聚类单元。预聚类单元对用户—产品评分矩阵、电信业务身份、用户网络关注内容等数据，分别进行相似度计算。综合聚类单元计算数据丰度权重，进行综合相似度计算和用户聚类。同时，引入了可调节的效度权重，根据推荐结果的点击率和转化率，自动优化推荐系统。

Abstract

The highly efficient utilization of multiple data sources is a key challenge in big data applications.Based on the collaborative filtering recommendation，services pick consumption behaviors of similar clients by clustering to generate the recommendation list.Client clustering contains two units，one is preliminary clustering，and the other is synthetic clustering.Preliminary clustering use client-product score matrixes，telecommunication service identities，client network behaviors and etc.to calculate similarities.Synthetic clustering weights the abundance of data，and then completes the similarity calculation and client clustering.Adjustable weights of data validity were introduced to optimize the system on the basis of click rates and conversion rates of recommendation list.

关键词

Keywords

references

刘建国，周涛，汪秉宏 . 个性化推荐系统的研究进展 . 自然科学进展， 2009 ， 19 （ 1 ）： 1 ～ 15

Liu J G ， Zhou T ， Wang B H . Progress of personalized recommendation system . Progress in Natural Science ， 2009 ， 19 （ 1 ）： 1 ～ 15

杨博，赵鹏飞 . 推荐算法综述 . 山西大学学报（自然科学版）， 2011 ， 34 （ 3 ）： 337 ～ 350

Yang B ， Zhao P F ， Zhao P F . Review of the art of recommendation algorithms . Journal of Shanxi University （Natural Science Edition）， 2011 ， 34 （ 3 ）： 337 ～ 350

吴颜，沈洁，顾天竺等 . 协同过滤推荐系统中数据稀疏问题的解决 . 计算机应用研究， 2007 ， 24 （ 6 ）： 94 ～ 97

Wu Y ， Shen J ， Gu T Z ， et al . Algorithm for sparse problem in collaborative filtering . Application Research of Computers ， 2007 ， 24 （ 6 ）： 94 ～ 97

马书超 . 基于网络结构的推荐算法的研究（硕士学位论文） . 中国科技大学， 2013

Ma S C . Recommendation algorithm based on network structure （master dissertation） . University of Science and Technology of China ， 2013

张光卫，康建初，李鹤松等 . 面向场景的协同过滤推荐算法 . 系统仿真学报， 2006 ， 18 （ z2 ）： 595 ～ 601

Zhang G W ， Kang J C ， Li H S ， et al . Context based collaborative filtering recommendation algorithm . Journal of System Simulation ， 2006 ， 18 （ z2 ）： 595 ～ 601

浏览量

541

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于自编码器与多模态数据融合的视频推荐方法

基于公约式权重的截短线性分组码盲识别方法

基于标签对家庭IPTV业务个性化推送机制的用户体验优化研究