作者
上市的:- 张成军
- 朱雪莲
- 于文彬
- 刘,金
- 陈亚东
- 姚、余
- 王素勋
摘要
预测商品的未来受欢迎程度一直是信息过滤研究中的一个重要问题。现有方法主要依赖于产品的历史受欢迎程度,假设历史受欢迎的项目由于优惠附加在未来将继续受欢迎。然而,这种方法存在局限性,因为它忽略了连接用户和项目的二元网络中复杂的结构信息。对于受欢迎程度相同的商品,基于优先依恋的预测方法是失败的。在本文中,我们提出了一种流行度预测方法,该方法将用户推荐结果聚合起来,以预测项目的流行度。该方法具有通用性,适用于任何推荐算法。为了简单起见,我们使用经典的协同过滤算法验证了该方法。实验表明,该方法在准确预测利基商品未来受欢迎程度方面明显优于优先依恋预测器。
建议引用
张成军和朱,薛利安和余,文彬和刘,金和陈,亚东和姚,余和王,苏勋,2024。"通过集体推荐预测在线产品的受欢迎程度,"物理学A:统计力学及其应用爱思唯尔,第641(C)卷。手柄:RePEc:eee:phsmap:v:641:y:2024:i:c:s0378437124002401
内政部:10.1016/j.physa.2024.129731
从出版商下载全文
由于此文档的访问受到限制,您可能希望搜索换一个不同的版本。
更正
本网站上的所有材料均由各自的出版商和作者提供。你可以帮助纠正错误和遗漏。请求更正时,请提及此项目的句柄:RePEc:eee:phsmap:v:641:y:2024:i:c:s0378437124002401。请参阅一般信息关于如何更正RePEc中的材料。
如果您编写了此项目,但尚未在RePEc注册,我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用这个表格.
如果你知道引用这一条的缺失条目,你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是该项目的注册作者,您可能还想查看您的RePEc作者服务个人资料,因为可能有一些引文等待确认。
有关本项目的技术问题,或更正作者、标题、摘要、参考书目或下载信息,请联系:Catherine Liu(电子邮件地址如下)。供应商的一般联系方式:http://www.journals.elsevier.com/physica-a-statistical-mechapplications网站/.
请注意,更正可能需要几周时间才能筛选出来各种RePEc服务。