融合Fisher线性判别分析的多维特征融合情景感知推荐方法

08 现在的位置：首页 > 期刊导读 > 2017 > 08 >

【作者】赵志华 [1] 陈莉 [2]

【关键词】多特征融合 Fisher线性判别分析属性偏好时间衰减情景感知推荐

【摘要】针对采用单维特征建立用户的偏好模型所导致的推荐结果无法有效覆盖用户潜在偏好特征而影响推荐质量的问题,提出了一种基于Fisher线性判别分析的多维特征融合情景感知推荐方法.该方法建立了包含时间衰减度、属性偏好、偏好可影响程度等多维特征的偏好样本空间;采用特征融合、投影变换等方法,在最佳鉴别矢量空间基于Fisher判别准则融合用户的多维特征;采用拉格朗日乘子法求解最优投影方向,建立起多维特征优化的偏好获取模型.在BookCrossing与Netfilix数据集上的实验结果表明:与现有方法相比,所提方法的推荐准确率平均提高了16.61％,多样性平均提高了约38.01％,能够有效地覆盖用户的潜在偏好特征,并取得更好的推荐质量.

上一篇： 一种超低功耗的低电压全金属氧化物半导体基准电压源
下一篇： 采用多类代价指数损失函数的代价敏感AdaBoost算法

08 现在的位置：首页 > 期刊导读 > 2017 > 08 >

融合Fisher线性判别分析的多维特征融合情景感知推荐方法

【作者】 赵志华 [1] 陈莉 [2]

【关键词】 多特征融合 Fisher线性判别分析 属性偏好 时间衰减 情景感知推荐

【作者】赵志华 [1] 陈莉 [2]

【关键词】多特征融合 Fisher线性判别分析属性偏好时间衰减情景感知推荐