文献类型：期刊文章

作　　者：姚彬修[1] 倪建成[2] 于苹苹[1] 李淋淋[1] 曹博[1]

YAO Binxiu NI Jiancheng YUPmgping LI Linlin CAO Bo(College of Information Science and Engineering, Qufu Normal University, Rizhao Shandong 276826, China College of Software, Qufu Normal University, Qufu Shandong 273100, China)

机构地区：[1]曲阜师范大学信息科学与工程学院,山东日照276826 [2]曲阜师范大学软件学院,山东曲阜273100

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(61402258);山东省本科高校教学改革研究项目(2015M102);校级教学改革研究项目(jg05021)~~

年　　份：2017

卷　　号：37

期　　号：5

起止页码：1382-1386

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对传统的协同过滤(CF)推荐算法中存在的数据稀疏性和推荐准确率不高的问题,提出了基于多源信息相似度的微博用户推荐算法(MISUR)。首先,根据微博用户的标签信息运用K最近邻(KNN)算法对用户进行分类;然后,对得到的每个类中的用户分别计算其多源信息(微博内容、交互关系和社交信息)的相似度;其次,引入时间权重和丰富度权重计算多源信息的总相似度,并根据其大小进行TOP-N用户推荐;最后,在并行计算框架Spark上进行实验。实验结果表明,MISUR算法与CF算法和基于多社交行为的微博好友推荐算法(MBFR)相比,在准确率、召回率和效率方面都有较大幅度的提升,说明了MISUR算法的有效性。

关 键 词：多源信息 稀疏性 相似度 时间权重  丰富度权重  

分 类 号：TP301.6]