文献类型：期刊文章

作　　者：杨兴耀[1] 于炯[1,2] 吐尔根.依布拉音[1] 廖彬[1] 钱育蓉[2]

机构地区：[1]新疆大学信息科学与工程学院,新疆乌鲁木齐830046 [2]新疆大学软件学院,新疆乌鲁木齐830008

出　　处：《软件学报》

基　　金：国家自然科学基金(61063042;61262088;61063026);新疆自治区自然科学基金(2011211A011);新疆高校重大科研项目(XJEDU2012I10);新疆大学博士创新项目(XJUBSCX-2011007);新疆大学博士科研启动基金(BS100128)

年　　份：2013

卷　　号：24

期　　号：8

起止页码：1868-1884

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20133516679293)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：作为解决信息过载问题的有效方式,推荐系统能够根据用户偏好对海量信息进行过滤,为用户提供个性化的推荐.但在推荐过程中,性能表现优异的协同过滤模型并没有充分利用上下文信息,这在一定程度上使系统面临性能瓶颈.为了进一步提高系统性能,从评分上下文信息着手,通过对项目评分进行分类统计获得评分奇异性,同时借鉴多渠道扩散相似性模型将推荐系统作为用户-项目二分网络的思想,提出了融合奇异性和扩散过程的协同过滤模型(collaborative filtering model fusing singularity and diffusion process,简称CFSDP).为了表明模型的优越性,比较实验基于MovieLens,NetFlix和Jester这3个不同的数据集展开.实验结果表明,该模型不仅具有良好的扩展性,而且在合理的时间开销下,可以显著提高系统的预测和推荐质量.

关 键 词：推荐系统 协同过滤 相似性度量  奇异性 扩散过程  

分 类 号：TP311]