科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的/意义]利用协同过滤推荐技术,开展个性化推荐服务以便于为用户提供更佳的推荐效率以及更好的推荐质量。[方法/过程]挖掘用户对资源页面的操作行为,对用户兴趣进行量化,并基于用户在信息资源使用过程中对电子资源兴趣度随时间而变的特点,建立了自适应用户兴趣模型。在使用协同过滤算法实施推荐的过程中,将基于用户和基于项目的协同推荐相结合以实现对用户的资源推荐服务。以用户访问电子资源日志为基础,计算用户对资源的兴趣评分,在确定了调节参数取值保证算法的最大推荐精度后,以此为基础与传统的基于用户和基于项目的协同过滤推荐进行实验比对。[结果/结论]通过实验发现调节参数取值为0.7时算法推荐精度最高。此外,本文所提出的方法在准确率、召回率以及F1-Measure 3个指标均高于传统的协同过滤推荐方法。
- 单位
