Collaborating Filtering Method Based on Multiple Data Sources

Fushun Ke; Xiaohui Yao

doi:10.11959/j.issn.1000-0801.2015164

您当前的位置：

首页 >

文章列表页 >

Collaborating Filtering Method Based on Multiple Data Sources

research and development | 更新时间：2024-06-05

- Collaborating Filtering Method Based on Multiple Data Sources
- Telecommunications Science Vol. 31, Issue 7, Pages: 86-89(2015)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2015164
  CLC：
- Published Online：2015-07，
  
  Published：20 July 2015
- 稿件说明：
移动端阅览
Fushun Ke, Xiaohui Yao. Collaborating Filtering Method Based on Multiple Data Sources[J]. Telecommunications science, 2015, 31(7): 86-89.
DOI：

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

Views

541

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Fusion of auto encoders and multi-modal data based video recommendation method

Blind recognition of short linear block code based on the weight of common polynomial

User Experience Optimization Researcb on Personalized Pusb Approacb of IPTV Service Based on Label of Contents

Related Author

Qiuyang GU

Chunhua JU

Gongxing WU

Lihua SHEN

Jianlin ZHANG

Yingbo Zhu

Jianwei Diao

Bo Kang

Related Institution

Zhejiang University of Technology, School of Management

Zhejiang Gongshang University

Zhijiang College of Zhejiang University of Technology

Alibaba Business School of Hangzhou Normal University

Digital Music Operation Center of China Telecom Co.， Ltd.

⁰