CAJ | 학술논문

传统群组推荐算法基于点数据描述群组用户模型,存在着信息缺失、很难统筹考虑所有个体用户的需求等问题.针对该问题,对个体评分数据按照符号数据分析的思想进行“打包”,将群组成员的评分信息汇总为区间型符号数据.在Hausdorff距离基础上,采用区间内部点数据的描述统计量,提出了一种全新的区间数距离度量方法,并利用这种距离对区间型符号数据描述的群组实施K-均值聚类,由此确定相似群组,最后通过最近邻的评分预测目标群组的评分.将这种全新的群组推荐算法与传统方法进行推荐精度与效率的对比实验,结果表明,在各种实验条件下,基于区间型符号数据的群组推荐算法均优于传统点数据的群组推荐算法.
전통군조추천산법기우점수거묘술군조용호모형,존재착신식결실、흔난통주고필소유개체용호적수구등문제.침대해문제,대개체평분수거안조부호수거분석적사상진행“타포”,장군조성원적평분신식회총위구간형부호수거.재Hausdorff거리기출상,채용구간내부점수거적묘술통계량,제출료일충전신적구간수거리도량방법,병이용저충거리대구간형부호수거묘술적군조실시K-균치취류,유차학정상사군조,최후통과최근린적평분예측목표군조적평분.장저충전신적군조추천산법여전통방법진행추천정도여효솔적대비실험,결과표명,재각충실험조건하,기우구간형부호수거적군조추천산법균우우전통점수거적군조추천산법.