版权说明 操作指南
首页 > 成果 > 详情

基于图书评论属性挖掘的群组推荐研究

认领
导出
Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
论文标题(英文):
Group Recommendation Based on Attribute Mining of Book Reviews
作者:
熊回香(熊回香);李晓敏;李跃艳
通讯作者:
Huixiang, X.
作者机构:
[Xiaomin L.; Huixiang X.] School of Information Management, Central China Normal University, Wuhan, 430079, China
[Yueyan L.] School of Information Management, Nanjing University, Nanjing, 210023, China
通讯机构:
[Huixiang, X.] S
School of Information Management, China
语种:
中文
关键词:
社会化标注;群组推荐;聚类;图书评论
关键词(英文):
Book Comments;Clustering;Group Recommendation;Social Tagging
期刊:
数据分析与知识发现
ISSN:
2096-3467
年:
2020
卷:
4
期:
2
页码:
214-222
基金类别:
华中师范大学中央高校基本科研业务费(人文社科类)重大项目“基于语义网的在线健康信息的挖掘与推荐研究”(项目编号:CCNU19Z02004); 国家社会科学基金项目“融合知识图谱和深度学习的在线学术资源挖据与推荐研究”(项目编号:19BTQ005)的研究成果之一;
机构署名:
本校为第一机构
院系归属:
信息管理学院
摘要:
【目的】利用用户、标签、图书三者之间的关系实现群组推荐。【方法】通过用户-标签、图书-标签的标注关系,利用K-means算法进行用户聚类和图书聚类,形成用户群组和图书群组,并进行余弦相似度计算,从图书评论属性角度对不同图书类型进行对比,并对图书进行打分、排序和聚类,实现个性化推荐。以\"豆瓣网\"为例对模型进行验证。【结果】基于图书评论属性挖掘的推荐模型能够为用户群组准确有效地推荐资源,推荐效果较好。【局限】样本数据集有限,采集的用户以及图书数量较少。【结论】结合图书评论属性挖掘的推荐模型对个性化推荐效果有一定的提升。
摘要(英文):
[Objective] This paper conducts group recommendation using the relationship among users, tags and books. [Methods] First, we used the K-means algorithm to cluster users and books. Then, we calculated cosine similarity of the two groups. Third, we compared various books based on their reviews. Finally, we sorted and clustered books to personalize the recommendation results. [Results] We examined the proposed model with data from“Douban Net”and our model recommended better resources for user groups. [Limitations] The sample data size needs to b...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com