基于偏好融合的群组推荐方法研究综述

来源 :小型微型计算机系统 | 被引量 : 0次 | 上传用户:jxhxf0
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
群组推荐是推荐系统领域的研究热点之一,相比传统推荐系统,群组推荐针对团体性活动对群组成员进行推荐,很好地缓和了群组成员间的偏好冲突,取得了更好的推荐效果.本文介绍了近年来基于偏好融合的群组推荐方法相关研究进展;总结了群组推荐方法常使用的评价指标和数据集;并通过实验重点分析比较了不同偏好融合对推荐结果的影响及偏好融合、推荐特征、推荐方法之间的关系;最后对群组推荐中偏好融合策略和方法的下一步研究重点进行了展望.为基于偏好融合的群组推荐方法进一步深入研究提供参考.
其他文献
#WS(≠)是互斥约束工作流可满足性的量化问题,与第三方环境中有重要意义的资源弹性密切相关.为克服其求解性能瓶颈,本文利用模式回溯法的解空间压缩特性和两层求解机制,提出
引入辅助数据如社交关系信息是解决传统个性化推荐算法数据稀疏问题的一种有效方法.目前大部分基于信任的推荐算法直接利用二值信任网络来提升推荐质量,然而,直接信任关系也
随着移动互联网的发展,越来越多的公司开始关注用户性别、年龄等基础属性信息,以便提供更有效的商品推荐、广告投放等个性化服务.本文提出一种基于集成学习的预测方法,通过分
提出了一个新的递归神经网络模型,目标是解决一类带等式与不等式约束的非光滑非凸优化问题.证明了当可行域有界时,递归神经网络能在有限时间内收敛到可行域,并且能最终收敛到