黄翠翠
- 作品数：2 被引量：15H指数：2
- 供职机构：武汉大学信息管理学院更多>>
- 发文基金：国家社会科学基金更多>>
- 相关领域：文化科学自动化与计算机技术更多>>
- 社会化网络中信任推荐研究综述被引量：11
- 2014年
- 【目的】探讨社会化网络的发展对解决传统的个性化推荐系统面临的诸如数据稀疏性、冷启动等问题的作用。【文献范围】以社会化网络作为分析背景,从Springer、Google Scholar检索2004年至今国内外关于信任推荐的研究文献。【方法】基于信任与不信任两方面对相关文献进行梳理总结,形成综述。【结果】指出当前研究中存在信任计算方法不足,缺乏对不信任因素的深入研究等问题。【局限】由于研究因素单一,应结合社会化网络中出现的其他因素进行深入对比分析。【结论】未来的研究可以从基于情境信任的推荐、挖掘社会化网络中的弱连接关系等方向开展。
- 谭学清黄翠翠罗琳
- 关键词：个性化推荐社会化网络
- 融合领域专家信任与相似度的协同过滤推荐算法研究被引量：4
- 2016年
- 【目的】利用领域专家信任和相似度相结合的优势,弥补传统协同过滤推荐算法在推荐准确度以及挖掘长尾商品方面存在的不足。【方法】选取Movie Lens中稀疏度为0.9605的数据集,由评分记录较多的1 102个用户对2 920部电影的评分记录构成,利用分阶段实验法求得最优专家用户数量及推荐权重系数?值,并结合对比分析法对算法的性能进行评测。【结果】实验结果表明,本算法的推荐结果准确率和覆盖率均受到专家用户数量的影响,且当推荐权重系数为0.6时推荐准确度明显优于传统算法,同时专家用户比例由2%上升至20%时,覆盖率上升了0.21,说明算法在一定程度上显著提高了推荐系统挖掘长尾商品的能力。【局限】未考虑到不同领域类别之间可能存在的相关性。【结论】该算法能够有效地克服数据稀疏性和冷启动问题,显著提高推荐系统的推荐质量和准确度。
- 谭学清张磊黄翠翠罗琳
- 关键词：个性化推荐协同过滤相似度
