期刊论文

Digital Resource Recommendation Based on Multi-Source Data and Scene Similarity Calculation

中文

数据分析与知识发现

2096-3467

2021

5

11

114-123

10.11925/infotech.2096-3467.2021.0548

通讯作者 （ Corresponding author） ：蔡秋亭，ORCID：0000-0002-8359-0776，E-mail：1206948864@qq.com。 *本文系国家自然科学基金重点项目（ 项目编号：61937001）、教育部国家级新工科研究与实践项目2020年新工科专业改革类项目（ 项 目编号：E-RGZN20201032）和湖北省2020年教学研究项目（项目编号：2020139）的研究成果之一。 TheworkissupportedbytheNationalNaturalScienceFoundationofChina(GrantNo.61937001),theNationalEmergingEngineering Education Research and Practice Project (Grant No. E-RGZN20201032), Hubei Provincial T eaching Research Projec（t Grant No. 2020139） .

本校为第一机构

【目的】探索融合多源数据和场景相似度计算的方法,为用户精准匹配相应的数字资源。【方法】本文提出一种融合多源数据和场景相似度计算的数字资源推荐方法(CF-SSC),通过构建融合多源数据的场景模型得到场景数据的抽象表示,基于细化的相似度指标计算场景相似度,最后根据相似度等级预测得到场景列表及相应资源,以此优化推荐结果。【结果】相比于CF-Pearson、CF-Cosine、IOS和User-MRDC,本文所提CFSSC算法在指标MAE(0.688)上表现最优,在指标RMSE(0.936)上仅略次于User-MRDC,达到MAE和RMSE最优值时所需邻居的数量(20)最少。【局限】仅在少量有限的数据集上进行重复测试。【结论】所提相似度算法提高...

[Objective] This paper proposes a new method based on multi-source data fusion and scene similarity calculation to accurately recommend digital resources for users. [Methods] First, we constructed a scene model integrating multi-source data, and obtained their abstract representation. Then, we calculated the scene similarity based on the detailed similarity index. Finally, we predicted the scene list and corresponding resources according to their similarity level predictions, and optimized the recommendation results. [Results] Compared with CF ...