基于贝叶斯网络认知反馈的协同过滤推荐
作者:
焦明海
陈晓芳
陈旭
苏钟海
东北大学计算机科学与工程学院
沈阳110004
东北大学工商管理学院
沈阳110004
关键词:
协同过滤
推荐模型
贝叶斯网络
认知反馈
用户满意度
摘要：
协同过滤模型和算法是电子商务平台推荐系统的主要方法，存在数据稀疏性和推荐精准性问题：另外，推荐系统也面临推荐服务的满意度评价问题。为此，提出基于贝叶斯网络和用户认知的动态反馈模型，首先利用贝叶斯网络模型计算用户一商品的匹配概率，对商品属性评分数据降维，减少数据稀疏性：其次构建商品推荐反馈模型，定义用户认知函数和商品属性权重，确定商品多属性因素影响条件下的权重度量方法，同时保留用户的认知评价信息，定义用户满意度评价指标商品推荐率，改进用户一商品评价相似度计算方法；最后给出推荐算法的流程。通过应用实例和两类用户评价数据集进行多种算法的实验验证比较，结果表明：模型与其他协同过滤算法相比，具有较高的用户推荐满意度和推荐预测精度。
上一篇：基于DSP的永磁同步电机调速控制研究
下一篇：双机器人协作弧焊过程的轨迹规划研究