复杂系统与复杂性科学
複雜繫統與複雜性科學
복잡계통여복잡성과학
COMPLEX SYSTEMS AND COMPLEXITY SCIENCE
2015年
1期
28-32
,共5页
个性化推荐算法%时间窗口%二部分网络
箇性化推薦算法%時間窗口%二部分網絡
개성화추천산법%시간창구%이부분망락
personalized recommendation algorithm%time window%bipartite network
研究了时间窗口对基于10种用户相似性指标的个性化推荐算法的影响.在标准数据集MovieLens上的实验结果表明,只采用大约12.56%的用户近期历史记录,所得到的推荐结果准确性可以平均提高27.17%,而推荐列表多样性可以平均提高3.28%,极大地降低大规模数据所带来的计算复杂性问题.
研究瞭時間窗口對基于10種用戶相似性指標的箇性化推薦算法的影響.在標準數據集MovieLens上的實驗結果錶明,隻採用大約12.56%的用戶近期歷史記錄,所得到的推薦結果準確性可以平均提高27.17%,而推薦列錶多樣性可以平均提高3.28%,極大地降低大規模數據所帶來的計算複雜性問題.
연구료시간창구대기우10충용호상사성지표적개성화추천산법적영향.재표준수거집MovieLens상적실험결과표명,지채용대약12.56%적용호근기역사기록,소득도적추천결과준학성가이평균제고27.17%,이추천렬표다양성가이평균제고3.28%,겁대지강저대규모수거소대래적계산복잡성문제.