基于满意度及特征近似的协同数据融合推荐
来源期刊:控制工程2017年第5期
论文作者:朱泽民 肖飞
文章页码:1013 - 1019
关键词:服务推荐;满意特征相似;TOPSIS融合;决策推荐;
摘 要:为改善数据融合算法推荐执行效率及推荐结果可靠性,以便为使用者推荐更符合个性化需求的服务,设计一种基于用户满意度及特征近似的协同数据融合推荐算法(SFSTOPSIS)。首先,针对传统相似度定义分辨率不足的问题,基于用户评价置信度、兴趣偏好及特征相似度评价进行改进,并结合用户使用属性对使用者间存在的相似度替代,使之更符合用户真实感受;其次,采用时变权重方式对标准TOPSIS融合进行完善,提高TOPSIS决策融合的时变属性,实现用户相似度数据的有效属性融合;最后,基于标准测试事例进行实验对比,显示所提SFSTOPSIS算法可有效提高服务推荐精度,具有一定应用价值。
朱泽民,肖飞
黄冈师范学院计算机学院
摘 要:为改善数据融合算法推荐执行效率及推荐结果可靠性,以便为使用者推荐更符合个性化需求的服务,设计一种基于用户满意度及特征近似的协同数据融合推荐算法(SFSTOPSIS)。首先,针对传统相似度定义分辨率不足的问题,基于用户评价置信度、兴趣偏好及特征相似度评价进行改进,并结合用户使用属性对使用者间存在的相似度替代,使之更符合用户真实感受;其次,采用时变权重方式对标准TOPSIS融合进行完善,提高TOPSIS决策融合的时变属性,实现用户相似度数据的有效属性融合;最后,基于标准测试事例进行实验对比,显示所提SFSTOPSIS算法可有效提高服务推荐精度,具有一定应用价值。
关键词:服务推荐;满意特征相似;TOPSIS融合;决策推荐;