FAILED
首站-论文投稿智能助手
典型文献
基于信任模型的社区发现与协同过滤推荐研究与应用
文献摘要:
文章改进NMF社区发现算法(Nonnegative Matrix Factorization,NMF),得到基于双属性矩阵的NMF社区发现算法(Double Attribute Matrix Nonnegative Matrix Factorization,DAMNMF),在其社团内部进行推荐.因为数据集评估不足可能造成稀疏性问题,使得推荐的效果变差.针对上述问题,将社区发现和信任模型相结合,得到基于社区发现内部信任模型协同过滤推荐,有可能将那些试图影响推荐准确性的恶意用户去除.考虑到信任可以缓解这些问题,则在社区发现中加入信任这个概念,即基于信任模型双属性矩阵非负矩阵分解(Trust Model Double Attribute Matrix Nonnegative Matrix Factorization,TMDAMNMF)社区发现与协同过滤推荐,在真实数据集上进行实验,研究结果表明推荐效果得到了进一步的提升.
文献关键词:
双属性矩阵;社区发现;信任模型;协同过滤;推荐
作者姓名:
赵莹莹;李玉洁;苏萍
作者机构:
南通理工学院,江苏 南通 226000
文献出处:
引用格式:
[1]赵莹莹;李玉洁;苏萍-.基于信任模型的社区发现与协同过滤推荐研究与应用)[J].无线互联科技,2022(15):89-93
A类:
双属性矩阵,DAMNMF,TMDAMNMF
B类:
信任模型,协同过滤推荐,社区发现算法,Nonnegative,Matrix,Factorization,Double,Attribute,社团,稀疏性,恶意用户,非负矩阵分解,Trust,Model,真实数据,推荐效果
AB值:
0.193697
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。