科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的]将协同过滤方法应用到文献推荐领域，融入用户余弦相似网络中motif结构反映出的高阶相似特征，提高推荐的质量。[方法]首先通过用户收藏文献的行为信息和文献间的引用关系构建用户对文献的偏好数据，其次在基于用户-文献收藏行为信息的用户余弦相似度网络中，利用网络中的子图—motif结构捕获高阶相似度，最后将用户余弦相似度和基于motif结构的高阶相似度融入到矩阵分解推荐算法中，预测用户对文献的偏好。[结果]相较于传统的矩阵分解推荐算法，本文算法在RMSE和MAE指标上分别降低了0.0482和0.0379。[局限]本文算法没有考虑到文献的时间衰减性。[结论]本文算法降低了用户偏好预测误差，提高了推荐质量。
-
单位国际关系学院
