-
题名约简形式背景下的概念集构造及其推荐应用
- 1
-
-
作者
陈昕
刘忠慧
闵帆
-
机构
西南石油大学计算机与软件学院
西南石油大学机器学习实验室
西南石油大学人工智能研究院
-
出处
《计算机应用》
北大核心
2025年第5期1415-1423,共9页
-
基金
国家自然科学基金资助项目(61772002)
中央引导地方科技发展专项(2021ZYD0003)
南充市校科技战略合作项目(23XNSYSX0062,23XNSYJG0054)。
-
文摘
在形式概念分析(FCA)领域,概念集合的提出满足了真实环境的推荐需求;但目前概念集合生成方法缺乏有效的手段避免冗余属性的参与,这在一定程度上影响了概念生成的质量和效率,最终影响了推荐的效果。针对上述问题,提出形式背景属性约简算法(FCAR)、概念集构造算法(CSCA)以及基于概念集合的推荐算法(RACS)。首先,根据形式背景和评分矩阵设计属性兴趣度,并根据属性兴趣度阈值实现形式背景约简;其次,结合外延相似性与内涵兴趣度设计概念关键度作为启发信息,生成概念集合;最后,利用推荐置信度与推荐阈值得到概念集的推荐矩阵,从而针对目标用户实现个性化推荐。在11个数据集上对比了RACS与算法k最近邻(k NN)、基于项目的协同过滤(IBCF)、启发式概念集构造的组推荐(GRHC)、基于概念集的个性化推荐(CSPR)以及GreConD-k NN。实验结果表明,在6个常规数据集上,RACS在3个数据集上取得最高精确度和次高召回率,在4个数据集上取得最优F1值;特别是在3个较大规模的数据集上,与三种形式概念的推荐算法相比,RACS的推荐时间效率至少提升8倍。实验结果验证了RACS在推荐效果和推荐效率上的显著优势。
-
关键词
形式概念分析
约简形式背景
属性兴趣度
概念构造
推荐系统
-
Keywords
Formal Concept Analysis(FCA)
reduced formal context
attribute interest degree
concept construction
recommendation system
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
