摘要
目前个性化推荐领域的相关研究,很少考虑用户在资源属性上的兴趣差异,而资源属性往往是决定用户偏好的重要因素之一.针对这一问题,构建了基于资源多属性的用户评价模型和兴趣模型,并提出了一种改进的Pearson-Compatibility多属性群决策算法,在k-临近相似用户的推荐问题中引入该算法,结合协同过滤推荐的特点,对相似用户偏好差异性、残缺值、算法可能出现的提前收敛等问题进行了充分考虑,进而实现多属性的协同过滤.最后通过实验对算法的有效性进行验证,实验结果表明:算法在目标用户属性偏好的预测上,具有较高的准确度,对偏差值、残缺值具有较强的抗干扰能力,具有较强的实用价值.
At present,in the field of personalized recommendation, insufficient attention is given to the differences of users'interest on the attributes of resources; however, the attributes of resources are usually an important factor to determine users'preferences. To this end, we constructed a user evaluation model and user interest model based on resource multi-attribute and proposed an improved Pearson-Compatibility group decision algorithm. We introduced the algorithm to solve the recommendation problem of k-neighbor similar users. Considering the characteristics of collaborative filtering recommendation,we address issues on similar users'differences, incomplete values, and advanced converge of the algorithm, so as to realize multi-attribute collaborative filtering. Furthermore, the accuracy of the algorithm is proved by an experiment of collaborative recommendation among multi-users based on virtual environment. We find that the algorithm has a high accuracy on predicting target users'attribute preferences and has a strong anti-interference ability on deviation and incomplete values.
出处
《情报学报》
CSSCI
北大核心
2011年第2期121-130,共10页
Journal of the China Society for Scientific and Technical Information
基金
国家社会科学基金，国家自然科学基金，上海财经大学211工程重点项目，上海财经大学研究生创新基金
作者简介
李岱峰,男,1982 年生,上海财经大学信息管理与工程学院博士研究生,研究方向:管理科学、电子商务。 E-mail: ldf3824@ yahoo. com. cn。于长锐,男,1974 年生,上海财经大学信息管理与工程学院副教授,硕士生导师,研究方向:管理信息系统与决策支持系统、电子商务等。覃正,男,1958 年生,上海财经大学信息管理与工程学院教授,博士生导师,研究方向:电子商务,电子政务。董添犀,女,1985 年生,上海财经大学信息管理与工程学院博士研究生,研究方向:管理信息系统、决策支持系统、电子商务等。
