基于多粒度特征和混合算法的文档推荐系统
增强出版
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

北京市科技计划项目(D171100003417002)


Document Recommendation System Based on Multi-Granularity Features and Hybrid Algorithms
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 增强出版
  • |
  • 文章评论
    摘要:

    文库系统对信息的传播利用有着重要的作用,但在文库系统中出现信息过载问题后,数据的利用率会大大降低.针对该问题提出了一种基于多粒度特征和混合算法的文档推荐系统,系统在短语和词语两个粒度上对用户兴趣及文档特征进行建模,综合基于内容推荐算法及协同过滤算法,为用户生成兴趣列表.系统测试数据表明,系统在准确率、召回率、覆盖率、新颖度等指标上均有较为优异的表现,其为用户推荐的文档较符合用户实际偏好,有助于提升文库系统的数据利用率,改善用户体验.

    Abstract:

    Document System plays an important role in information dissemination and utilization. However, with the emergence of information overload, the utilization rate of data would greatly decrease. To solve this problem, a document recommendation system based on multi-granularity features and Hybrid Algorithms is proposed. User interest and document feature models are established on both phrase and term granularities. Then, the system generates recommendation lists for users based on the combination of content-based and collaborative-filtering algorithms. The tests based on authentic data demonstrate that the document recommendation system has a better performance on precision, recall rate, coverage rate and novelty. The recommendation lists are more in line with users' interests. This helps to increase the utilization rate of data and improves user experience with better performance.

    参考文献
    相似文献
    引证文献
引用本文

邬登峰,白琳,王涛,李慧,许舒人.基于多粒度特征和混合算法的文档推荐系统.计算机系统应用,2018,27(3):9-17

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2017-06-12
  • 最后修改日期:2017-06-27
  • 录用日期:
  • 在线发布日期: 2018-01-25
  • 出版日期:
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号