用于推荐系统聚类分析的用户兴趣度研究

被引：14

作者：

崔春生 ^{[1
,2
]}

吴祈宗 ^{[1
]}

王莹 ^{[3
]}

机构：

[1] 北京理工大学管理与经济学院

[2] 河南财经政法大学计算机学院

[3] 郑州大学

来源：

计算机工程与应用 | 2011年 / 07期

关键词：

推荐系统; 用户兴趣度; 聚类分析;

D O I：

暂无

中图分类号：

TP393.09 [];

学科分类号：

080402 ;

摘要：

根据推荐系统对用户(商品)聚类的要求,探讨采用用户(网页)兴趣度进行聚类分析的合理思想。通过用户浏览时间、浏览行为以及网页信息量差异等因素的对比,得出用户对某类商品的兴趣度计算方法。借助阈值的设定,定义了用户感兴趣的商品集、商品的感兴趣用户集和兴趣相似的用户集,得到了基于用户兴趣度的用户聚类的一般过程,具有一定的推广价值和借鉴意义。

引用

收藏

页码：226 / 228

页数：3

相关论文

共 12 条

[1] 面向个性化服务的用户兴趣偏移检测及处理方法 [J].

杨杰 ;

陈恩红 .

电子技术, 2009, 36 (11) :72-76+63

[2] 一种优化初始中心点的K-means算法 [J].

汪中 ;

刘贵全 ;

陈恩红 .

模式识别与人工智能, 2009, 22 (02) :299-304

[3] 互联网推荐系统比较研究 [J].

许海玲 ;

吴潇 ;

李晓东 ;

阎保平 .

软件学报, 2009, 20 (02) :350-362

[4] 一种优化的基于用户聚类的过滤推荐策略 [J].

张海荣 ;

朱信忠 ;

赵建民 ;

徐慧英 .

计算机系统应用, 2008, (11) :95-97+71

[5] 面向电子商务个性化服务的Web挖掘应用 [J].

何典 ;

宋中山 .

计算机与网络, 2005, (Z1) :85-86

[6] 基于序列的文本自动分类算法 [J].

解冲锋 ;

李星 .

软件学报, 2002, (04) :783-789

[7] 一种实现搜索引擎个性化服务的方法 [J].

谭琼 ;

李晓黎 ;

史忠植 .

计算机科学, 2002, (01) :23-25

[8]

基于模糊兴趣模型的个性化推荐算法[D]. 唐灿.重庆大学 2006

[9]

基于用户兴趣子类的协作过滤研究[D]. 张小林.重庆大学 2006

[10]

一种基于混合用户兴趣模型的个性化推荐系统[D]. 谢祈鸿.重庆大学 2006