石珂瑞
- 作品数：3 被引量：10H指数：2
- 供职机构：上海理工大学更多>>
- 发文基金：上海市教育委员会创新基金上海市青年科技启明星计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术自然科学总论文化科学更多>>
- 用户集聚系数对协同过滤算法的影响研究被引量：2
- 2013年
- 本文研究了用户-产品二部分网络中用户集聚系数对协同过滤算法的影响。用户集聚系数是度量目标用户的所有邻居用户的特点或者兴趣爱好相同程度的一个统计量,文章将其引入协同过滤算法的相似性计算中,并提出一种改进的算法。数值模拟显示,引入用户集聚系数统计属性的改进算法相比于CF准确性可以提高12.0%,当推荐列表的长度为50时推荐列表多样性可以达到0.649,相比于经典的CF算法提高18.2%。该工作表明用户集聚系数对推荐算法具有非常大的影响,体现了个性化推荐以用户兴趣的度量为核心的基本思想。
- 冷瑞郭强石珂瑞刘建国
- 关键词：个性化推荐协同过滤算法
- 有向相似性对协同过滤推荐系统的影响研究被引量：2
- 2012年
- 为研究用户的相似性对协同过滤个性化推荐算法的影响,认为用户的有向相似性应该由邻居用户指向目标用户,而非由目标用户指向邻居用户。基于该思想,提出了一类改进的协同过滤算法。通过对Movielens数据集的实验分析,结果发现改变用户相似性的方向可大幅提高推荐结果的准确度和推荐列表的多样性。进一步,强化相似度高的用户的推荐强度可大幅提高推荐效果,算法的准确性可提高17.94%,达到0.086 4,当推荐列表的长度为10时,推荐列表的多样性可达到0.892 9,提高20.9%。该工作表明用户相似性的方向是否合理对推荐算法具有非常大的影响。
- 石珂瑞刘建国郭强冷瑞
- 关键词：个性化推荐
- 二阶有向相似性对协同过滤算法的影响被引量：6
- 2014年
- 考虑用户的二阶相似性信息,提出了一种改进的协同过滤个性化推荐算法.实证统计发现,经典的基于产品映射的用户相似性定义中包含很多流行产品的信息,因此,无法准确度量用户的兴趣关联,通过引入有向的二阶相似性,算法可以有效降低大众主流喜好对目标用户相似性定义的影响.Movielens数据集上的实验结果显示,算法的准确度可以达到0.080 8,相对于经典的协同过滤算法,其准确性提高了22.08%,且当推荐列表长度L=50时,推荐列表的多样性可以达到0.775,较经典的协同过滤算法提高了10.87%.研究表明,二阶有向相似性信息对个性化推荐算法有很大影响.
- 石珂瑞刘建国
- 关键词：个性化推荐协同过滤算法
