×
张志鹏;工藤雅硕;Tetsuya村井

使用基于覆盖的粗糙集进行基于用户的协作过滤的邻域选择。 （英文） Zbl 1396.91397号

安·Oper。物件。 256，第2期，359-374（2017）.
摘要：推荐系统（RS）通过学习用户偏好来提供个性化信息。基于用户的协同过滤（UBCF）是RS中广泛使用的一项重要技术。传统的UBCF方法从所有用户组成的候选邻居中选择（k）-最近邻居；然而，这种方法不能同时获得良好的精度和覆盖值。我们提出了一种使用基于覆盖的粗糙集理论改进RS中传统UBCF的新方法。在这种方法中，我们将用户缩减过程插入到传统的UBCF方法中。基于覆盖的粗糙集中的覆盖约简用于从所有用户中删除冗余用户。然后，从由约简用户组成的候选邻域中选择（k）-最近邻。我们的实验结果表明，对于真实RSs中经常出现的稀疏数据集，该方法的性能优于传统的UBCF，并且可以同时提供令人满意的准确性和覆盖率。

引用于1文件

MSC公司：

91B42型 消费者行为、需求理论
90B60毫米 营销、广告

关键词：

基于覆盖的粗糙集;基于用户的协同过滤;覆盖缩减;活动用户;推荐系统

软件：

Eigentaste公司
PDF格式BibTeX公司 XML格式引用
\textit｛Z.Zhang｝等人，Ann.Oper。第256号决议，第2号，第359--374号（2017年；Zbl 1396.91397）
全文： 内政部
OA许可证

参考文献：

[1] Adomavicius，G.和Tuzhilin，A.（2005）。面向下一代推荐系统：对最新技术和可能扩展的调查。IEEE知识与数据工程汇刊，17，734-749·doi:10.1109/TKDE.2005.99
[2] Bobadilla，J.和Ortega，F.（2013）。推荐系统调查。基于知识的系统，46，109-132·doi:10.1016/j.knosys.2013.03.012
[3] Gan，M.X.和Jiang，R.（2013）。构建用户相似性网络，消除流行对象对个性化推荐的不利影响。应用专家系统，404044-4053·doi:10.1016/j.eswa.2013.01.004
[4] Hameed，M.A.、Jadaan，O.A.和Ramachandram，S.（2012年）。基于协作过滤的推荐系统：一项调查。国际计算机科学与工程杂志，4（5），859-876。
[5] Herlocker，J.L.和Konstan，J.A.（2002年）。基于邻域的协同过滤算法中设计选择的实证分析。信息检索，5287-310·doi:10.1023/A:1020443909834
[6] Herlocker，J.L.、Konstan，J.A.、Borchers，A.和Riedl，J.（1999）。执行协同过滤的算法框架。第22届ACM SIGIR国际信息检索研究与开发年会论文集，第230-237页。
[7] Ken，G.、Theresa，R.、Dhruv，G.和Chris，P.（2001）。Eigentaste：一种恒定时间的协同过滤算法。信息检索，4（2），133-151·Zbl 0989.68052号 ·doi:10.1023/A:101149012209
[8] Lu，J.，Wu，D.，&Mao，M.（2015）。推荐系统应用开发：调查。决策支持系统，74，12-32·doi:10.1016/j.dss.2015.03.008
[9] Pawlak，Z.（1982年）。粗糙集。国际计算机和信息科学杂志，11，341-356·Zbl 0501.68053号 ·doi:10.1007/BF01001956
[10] Pawlak，Z.和Skowron，A.（2007年）。粗糙集的基础。信息科学，177，3-27·Zbl 1142.68549号 ·doi:10.1016/j.ins.2006.06.003
[11] Pomykala，J.A.（1987）。近似空间中的近似操作。波兰科学院数学公报，35（1），653-662·Zbl 0642.54002号
[12] Symeonidis，P.、Nanopulos，A.、Papadopoulos，A.N.和Manolopoulos，Y.（2008）。协作推荐系统：有效性和效率相结合。应用专家系统，342995-3013·doi:10.1016/j.eswa.2007.05.013
[13] Tsang，E.、Cheng，D.、Lee，J.和Yeung，D.（2004）。关于覆盖广义粗糙集的上近似。第三届机器学习与控制论国际会议论文集，第4200-4203页。
[14] Tsang，E.、Chen，D.和Yeung，D.S.（2008）。覆盖广义粗糙集的逼近与约简。计算机与数学应用，56，279-289·兹比尔1145.68547 ·doi:10.1016/j.camwa.2006.12.104
[15] Wang，J.，Dai，D.，&Zhou，Z.（2004）。模糊覆盖广义粗糙集。周口师范学院学报，21，20-22。
[16] Yang，T.和Li，Q.G.（2010）。覆盖广义粗糙集近似空间的约简。国际近似推理杂志，51，335-345·Zbl 1205.68433号 ·doi:10.1016/j.ijar.2009.11.001
[17] Yao，Y.Y.和Yao，B.X.（2012）。基于覆盖的粗糙集近似。信息科学，200，91-107·兹比尔1248.68496 ·doi:10.1016/j.ins.2012.02.065
[18] Zakowski，W.（1983年）。空间\[（u，\pi）\]（u，π）中的近似值。数学演示，16761-769·Zbl 0553.04002号
[19] Zhang，Z.P.，Kudo，Y.，&Murai，T.（2015）。将基于覆盖的粗糙集理论应用于基于用户的协同过滤，以提高推荐的质量。第四届IUKM国际研讨会论文集，第279-289页·Zbl 1205.68433号
[20] 朱伟（2007）。覆盖粗糙集的拓扑方法。信息科学，1771499-1508·Zbl 1109.68121号 ·doi:10.1016/j.ins.2006.06.009
[21] 朱伟（2009a）。基于二元关系的广义粗糙集之间的关系。信息科学，179，210-225·Zbl 1163.68339号 ·doi:10.1016/j.ins.2008.09.015
[22] 朱伟（2009b）。基于覆盖的粗糙集中基本概念之间的关系。信息科学，1792478-2486·Zbl 1178.68579号 ·doi:10.1016/j.ins.2009.02.013
[23] Zhu，W.，&Wang，F.Y.（2003）。覆盖广义粗糙集的约简与最大化。信息科学，152217-230·Zbl 1069.68613号 ·doi:10.1016/S0020-0255（03）00056-2
[24] Zhu，W.，&Wang，F.Y.（2007）。关于三类基于覆盖的粗糙集。IEEE知识与数据工程汇刊，191131-1144·兹比尔1130.68031 ·doi:10.1109/TKDE.2007.1044
[25] Zhu，W.，&Wang，F.Y.（2012）。第四类基于覆盖的粗糙集。信息科学，201，80-92·Zbl 1248.68499号 ·doi:10.1016/j.ins.2012.01.026
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。