發(fā)布時間：2018-01-29 23:02

  本文關鍵詞： 推薦系統(tǒng) pagerank 長尾效應 相似度　出處：《電視技術》2017年Z2期 　論文類型：期刊論文

【摘要】：目前國內(nèi)外的各大視頻網(wǎng)站中均存在嚴重的長尾效應問題。為降低視頻推薦系統(tǒng)中長尾效應的影響,本文提出了基于改進的協(xié)同過濾的長尾物品推薦算法PGSim-CF。PGSim-CF算法首先利用pagerank算法計算各物品的初始化權值,然后通過同類視頻物品中熱門物品的權值去優(yōu)化冷門物品的權值,與此同時懲罰熱門物品的權值,得到各視頻物品的最終權值,最后將獲得的權值代入?yún)f(xié)同過濾物品相似度的計算中。實驗結果表明,同傳統(tǒng)的協(xié)同過濾UserCF算法以及文獻[1]中所提出的Sim CF-ACT算法相比,PGSimCF算法的性能更好。
[Abstract]:In order to reduce the effect of long-tail effect in video recommendation system, there is a serious problem of long-tail effect in various video websites at home and abroad. In this paper, PGSim-CF.PGSim-CF algorithm based on improved collaborative filtering is proposed. First, the initialization weights of each item are calculated by using pagerank algorithm. Then through the same kind of video items in the weight of hot items to optimize the weight of cold goods, at the same time punish the weight of popular items, get the final weight of each video item. Finally, the weights obtained are added to the similarity calculation of collaborative filtering articles. The experimental results show that, with the traditional collaborative filtering UserCF algorithm and the literature. [1. The performance of the Sim CF-ACT algorithm is better than that of the Sim CF-ACT algorithm proposed in this paper.
【作者單位】： 北京郵電大學網(wǎng)絡技術研究院;
【分類號】：TP391.3;TP393.092
【正文快照】： 生活在被鋪天蓋地的信息包圍以及生活節(jié)奏加快的時代,人們面臨著如何能夠在短的時間內(nèi)從海量的信息中尋找自己感興趣以及對自己有價值的信息的問題。個性化推薦系統(tǒng)的出現(xiàn)成功解決了該問題[2]。迄今為止,經(jīng)典的個性化推薦算法發(fā)展趨于成熟,并且成功運用在各個領域,諸如:電子書

【相似文獻】

相關期刊論文 前10條

1 曾穎;;創(chuàng)造圖書館的“長尾效應”[J];情報探索;2010年01期

2 黃柳柳;黃河燕;史樹敏;;面向代碼相似度檢測的指紋選取方法[J];計算機工程與應用;2010年27期

3 鄭煒冬;;試卷相似度自動評估技術的研究[J];智能計算機與應用;2011年06期

4 ;電商推薦系統(tǒng)進階[J];IT經(jīng)理世界;2013年11期

5 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開源推薦系統(tǒng)分析[J];計算機與數(shù)字工程;2013年10期

6 李桂林,陳曉云;關于聚類分析中相似度的討論[J];計算機工程與應用;2004年31期

7 秦玉平;楊興凱;;基于案例推理的區(qū)間屬性相似度研究[J];遼寧師范大學學報(自然科學版);2006年04期

8 蔣鵬;;基于本體的應急案例相似度算法研究[J];南昌高專學報;2009年03期

9 何亞;;詞語相似度算法的分析與改進[J];硅谷;2011年24期

10 仇麗青;陳卓艷;;基于共同鄰居相似度的社區(qū)發(fā)現(xiàn)算法[J];信息系統(tǒng)工程;2014年05期

相關會議論文 前10條

1 張燕;李燕萍;;基于內(nèi)容分析和點擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學術年會論文集[C];2009年

2 劉海波;鄭德權;趙鐵軍;;基于相似度線性加權方法的檢索結果聚類研究[A];中國計算語言學研究前沿進展（2009-2011）[C];2011年

3 陸勁挺;路強;劉曉平;;對比相似度計算方法及其在功能樹擴展中的應用[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

4 趙欣;寇綱;鄔文帥;盧艷群;;基于時間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學年會論文摘要集[C];2011年

5 張玉連;張波;張敏;;改進的個性化信息推薦系統(tǒng)的設計與實現(xiàn)[A];2005年全國理論計算機科學學術年會論文集[C];2005年

6 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

7 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務推薦系統(tǒng)[A];第三屆學生計算語言學研討會論文集[C];2006年

8 雷慶;吳揚揚;;一種基于語義信息計算XML文檔相似度的新方法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

9 羅辛;歐陽元新;熊璋;袁滿;;通過相似度支持度優(yōu)化基于K近鄰的協(xié)同過濾算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術會議論文集A輯一[C];2010年

10 尤忠彬;陳越;張英;朱揚勇;;基于Web服務的技術轉(zhuǎn)移平臺推薦系統(tǒng)研究[A];第二十二屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2005年

相關博士學位論文 前10條

1 程亮;基于本體的疾病數(shù)據(jù)整合與挖掘方法研究[D];哈爾濱工業(yè)大學;2014年

2 曹，

本文編號：1474585