【技术实现步骤摘要】
本专利技术涉及一种对个性化推荐结果进行优化的FR方法，它适用于电子商务个性 化推荐，属于信息检索、数据挖掘
技术介绍
成熟的电子商务系统往往拥有庞大的用户数量；同时，频繁的用户注册和注销也 使得用户数据非常不稳定。因此，在实际应用中，面向用户的K近邻模型很难提供高效、稳 定的推荐服务。为了解决这一弊端，基于电子商务系统中项目数量往往远少于用户数量、且 项目数据更为稳定的事实，Sarwar等提出了面向项目的K近邻模型。面向项目的K近邻模 型使用对项目间的关系建模取代了对用户间的关系建模，同样也分为离线训练过程和线上 推荐过程。国内外研究者们针对利用社会标签数据进行个性化推荐做了大量的研究。 Milicevic等指出，如何使用社会标签数据进行个性化推荐，已经成为了个性化推荐技术研 究领域的一个研究热点，国内外的研究人员针对该问题进行了大量研究，相关的研究成果 层出不穷，如Hotho等提出的使用社会标签数据对所有项目进行排序的R)lkRank算法；Lin 等提出的从社会标签数据中抽取用户群信息的MetaFac算法；Sen等提出的基于社会标签 数据的推荐模型；...
【技术保护点】
一种对个性化推荐结果进行优化的ＦＲ方法，其特征在于：该方法按下列步骤进行：步骤一，当需要为用户ｕ进行推荐时，推荐系统将首先使用基于评分相似度的Ｋ近邻模型产生初步推荐结果集；步骤二，推荐系统将使用社会标签网络过滤方法对初步推荐结果集进行过滤；步骤三，推荐系统对过滤后的推荐项目对应的系统评分预测值使用推荐偏差移除方法优化，得出最后的推荐结果并返回给用户。
【技术特征摘要】
【专利技术属性】
技术研发人员：罗辛，欧阳元新，谢舒翼，熊璋，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。