点击次数：
所属单位：计算机科学与技术学院/人工智能学院/软件学院
发表刊物：小型微型计算机系统
关键字：推荐系统;组推荐;偏好交互;协同过滤;
摘要：随着推荐系统的应用不断增多,组推荐的研究与应用也逐渐受到研究人员的关注.在群组活动的过程当中用户的未知偏好往往会受到组内其他成员的影响,但在现有的组推荐系统中对于组内用户未评分项目进行预测时未考虑到此影响,本文提出一种在组推荐评分预测过程中加入偏好交互的算法模型,将预测的评分分为自我预测和偏好交互两部分,并对偏好交互部分进行了系统的分析与说明,针对群组当中的每个用户,通过历史组活动信息和推荐后评分反馈机制生成个性化交互参数,从而提高组推荐算法的真实满意度.最后将模型与协同过滤算法结合,通过Movie Lens数据集将应用模型的算法与未应用模型的算法进行比较,结果表明在存在交互的群组当中,融合偏好交互的组推荐算法模型可以明显提高组推荐结果的准确率.
是否译文：否
发表时间：2018-02-15
合写作者：郑伟,王雅楠,秦小麟
通讯作者：李博涵