本征秩

特征秩:一种面向排序的协同过滤方法。推荐系统必须能够建议用户可能喜欢的项目。在大多数系统中,偏好程度用评分来表示。在给定一组项目的用户过去评分数据库的基础上,传统的协同过滤算法基于预测用户将分配给未评分项目的潜在评分,以便根据预测的评分对其进行排名,从而生成推荐项目列表。在这篇论文中,我们提出了一个协同过滤的方法,直接通过建立由评分的用户偏好来解决项目排名问题。提出了一种新的基于用户偏好和相似项之间相关性的排序算法。在真实电影分级数据集上的实验结果表明,该方法在评价排名结果的NDCG度量上明显优于传统的协同过滤算法。


zbMATH参考文献(14篇文章引用)

显示第1至14个结果,共14个。
按年份排序(引用)

  1. 黄佳金;王佳金;王健;姚一玉;钟宁:学习配对偏好的成本敏感三方建议(2017)
  2. 李盖;陈强:利用显性和隐性反馈进行个性化排名(2016)
  3. Shams,Bita;Haratizadeh,Saman:Sibrank:signed bipartite network analysis for neighbor-based collaborative ranking(2016年)
  4. 赵向宇;牛振东;王开义;牛科;刘中强:利用缺失数据提高top-(N)推荐绩效(2015)
  5. Jaeger,Manfred;Lippi,Marco;Passerini,Andrea;Frasconi,Paolo:关系域中用于特征构建和学习的类型扩展树(2013)
  6. 陈佳佳;朱义和;王浩芬;金伟;余勇:高效高效的多层面网络图像标注(2012)ioport公司
  7. Farhadi,Farnoush;Sorkhi,Maryam;Hashemi,Sattar;Hamzeh,Ali:协作网络中快速专家挖掘的有效框架:面向群体和基于成本的方法(2012)ioport公司
  8. 胡俊;王冰;刘宇;李德毅:基于社会影响力的个性化标签推荐(2012)ioport公司
  9. Leroux,Philip;Dhoedt,Bart;Demeter,Piet;De Turck,Filip:在线社交网站游戏推荐算法的性能特征(2012)ioport公司
  10. Shin,Hyosoop;Lee,Jeehoon:社交媒体中用户社交能力的影响和程度(2012)ioport公司
  11. 孙惠峰;陈俊良;余刚;刘传昌;彭勇;陈光;程博:协同过滤的新相似性度量(2012)ioport公司
  12. Treerattanapitak,Kiatichai;Jaruskulchai,Chuleerat:协同过滤的指数模糊C-均值(2012)ioport公司
  13. 吴应军;黄,韩;郝志峰;陈,峰:基于链接相似性的本地社区检测(2012)ioport公司
  14. 谢浩然;李,青;蔡,易:面向个性化搜索的社区感知资源分析(2012)