文献类型：期刊文章

作　　者：刘忠慧[1] 邹璐[1] 杨梅[1] 闵帆[1,2]

LIU Zhonghui;ZOU Lu;YANG Mei;MIN Fan(College of Computer Science,Southwest Petroleum University,Chengdu 610500,China;Institute for Artificial Intelligence,Southwest Petroleum University,Chengdu 610500,China)

机构地区：[1]西南石油大学计算机科学学院,成都610500 [2]西南石油大学人工智能研究院,成都610500

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金No.41604114;四川省科技厅应用基础研究项目No.2019YJ0314;四川省青年科技创新研究团队项目No.2019JDTD0017;西南石油大学高等教育教学改革研究项目No.X2018JGYB037。

年　　份：2020

卷　　号：14

期　　号：4

起止页码：703-711

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、JST、ZGKJHX、核心刊

摘　　要：形式概念分析是形式背景的数据分析方法,已被引入推荐系统领域。概念格作为形式概念分析的有效工具,因其构造效率低下,所以难以应对电子商务中的大规模数据。为解决该问题,提出一种基于启发式概念构造的组推荐方法。首先,基于用户共同评分的项目,定义概念构造的启发式信息,实现概念的快速构造;同时利用内涵约束,在保证群组相似度的基础上,构造当前面积最大的概念,以包含更多的邻居用户;然后,在覆盖所有用户的概念集合上,统计项目在群组中的流行度,实现对群组用户的组推荐。在抽样数据集和MovieLens上,对比了该算法与两类不同的推荐算法。实验结果表明,在大规模数据下,该算法能在快速生成概念集合同时满足推荐需要。

关 键 词：形式概念分析(FCA)  组推荐  启发式算法 推荐系统

分 类 号：TP181]