铁路计算机应用
鐵路計算機應用
철로계산궤응용
RAILWAY COMPUTER APPLICATION
2014年
11期
5-8,15
,共5页
李宗凯%李洪研%肖坦%吕晓鹏%刘禹
李宗凱%李洪研%肖坦%呂曉鵬%劉禹
리종개%리홍연%초탄%려효붕%류우
铁路运输%旅客服务%云模型%逆向云算法%协同过滤推荐
鐵路運輸%旅客服務%雲模型%逆嚮雲算法%協同過濾推薦
철로운수%여객복무%운모형%역향운산법%협동과려추천
railway transportation%passenger service%Cloud Model%Reverse Cloud Algorithm%collaborative ifltering recommendation
对用户提供个性化的服务推荐是铁路信息服务系统提高服务质量的手段之一,传统的协同过滤推荐算法的应用过程中,当用户和项目数目较大时,用户-项目矩阵极度稀疏且用户评价向量的维度不同,传统的相似性比较方法无法很好地处理此类问题,降低了推荐算法的推荐质量。本文提出基于云模型的相似性度量方法,使用云模型雾化特征对逆向云算法进行补充,对于给定的数据向量,可以将其转换成云,使用云模型数字特征进行数据表示。云模型的期望和熵决定数据对应概念的内涵相似度,熵和超熵可以反映其外延相似度,比较云之间的相似度可得到数据本身的相似程度。应用MovieLens标准测试数据集,与传统的相似性度量方法比较,实验结果表明,基于云模型相似性度量的协同过滤推荐算法推荐质量高,可为铁路信息化服务推荐提供技术积累与指导。
對用戶提供箇性化的服務推薦是鐵路信息服務繫統提高服務質量的手段之一,傳統的協同過濾推薦算法的應用過程中,噹用戶和項目數目較大時,用戶-項目矩陣極度稀疏且用戶評價嚮量的維度不同,傳統的相似性比較方法無法很好地處理此類問題,降低瞭推薦算法的推薦質量。本文提齣基于雲模型的相似性度量方法,使用雲模型霧化特徵對逆嚮雲算法進行補充,對于給定的數據嚮量,可以將其轉換成雲,使用雲模型數字特徵進行數據錶示。雲模型的期望和熵決定數據對應概唸的內涵相似度,熵和超熵可以反映其外延相似度,比較雲之間的相似度可得到數據本身的相似程度。應用MovieLens標準測試數據集,與傳統的相似性度量方法比較,實驗結果錶明,基于雲模型相似性度量的協同過濾推薦算法推薦質量高,可為鐵路信息化服務推薦提供技術積纍與指導。
대용호제공개성화적복무추천시철로신식복무계통제고복무질량적수단지일,전통적협동과려추천산법적응용과정중,당용호화항목수목교대시,용호-항목구진겁도희소차용호평개향량적유도불동,전통적상사성비교방법무법흔호지처리차류문제,강저료추천산법적추천질량。본문제출기우운모형적상사성도량방법,사용운모형무화특정대역향운산법진행보충,대우급정적수거향량,가이장기전환성운,사용운모형수자특정진행수거표시。운모형적기망화적결정수거대응개념적내함상사도,적화초적가이반영기외연상사도,비교운지간적상사도가득도수거본신적상사정도。응용MovieLens표준측시수거집,여전통적상사성도량방법비교,실험결과표명,기우운모형상사성도량적협동과려추천산법추천질량고,가위철로신식화복무추천제공기술적루여지도。
Personalized service recommendation was one of important directions of China railway information service system. In collaborative ifltering recommendation algorithm, the traditional similarity measurement methods could not deal with large number of users and items which formed a sparse User-Item matrix. This article proposed the similarity measure method based on Cloud Model, applied atomized feature of the Cloud Model to the reverse cloud algorithm. A given data vector could be converted into a cloud. Quantitative data was represented with the numerical characters of the Cloud Model. Cloud similarity was depended on two aspects, such as the concept of connotation similarity and extension similarity. The connotation similarity of data in the corresponding concept was depended on the entropy and expectation of the Cloud Model and extension similarity was reflected by the entropy and excess entropy. A new collaborative filtering recommendation algorithm based on the Cloud Model similarity measurement method was constructed and the experiment result showed that the new algorithm was with reliable and accurate performance.