资源描述：
《基于多目标优化双聚类的数字图书馆协同过滤推荐系统new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、>>第55卷第7期2011年4月基于多目标优化双聚类的数字图书馆协同过滤推荐系统刘飞飞中南林业科技大学图书馆长沙4100041摘要2针对数字图书馆推荐系统,提出一种能够同时考虑用户和项之间的相似性的协同过滤(CF)方法,即应用多目标优化计算双聚类技术对行和列同时进行聚类,完成对用户和项相似性同时分组。为评估算法的效率,应用MovieLens数据集进行实验,结果表明该方法能够为用户提供有用的推荐意见,其性能优于其他CF方法。1关键词2数字图书馆推荐系统个性化服务协同过滤多目标双聚类1分类号2TP3
2、93DigitalLibraryCollaborativeFilteringRecommendationSystemBasedonMult-iobjectiveEvolutionaryB-iclusteringLiuFeifeiLibraryofCentralSouthForestryUniversity,Changsha4100041Abstract2Personalizedservicetechnologyhasbecometheresearchfocusofdigitallibrary.T
3、hispaperproposesamult-iobjectiveevo-lutionarybiclusteringtechniquetocarryoutclusteringofrowsandcolumnsatthesametime,andthealgorithmisabletogroupsimilar-itiesbetweenusersanditems.Inordertoevaluatetheproposedmethodology,thepaperappliedittoMovieLensdata
4、setwhichcontainsuser.sratingstoalargesetofmovies.Theresultsindicatethattheproposalisabletoprovideusefulrecommendationsfortheusers,outperformingothermethodologiesforCFreportedintheliterature.1Keywords2digitallibraryrecommendationsystempersonalizedserv
5、icecollaborativefilteringmult-iobjectivebiclustering[7]概念,2000年Cheng和Church把双聚类的概念引入1数字图书馆协同过滤推荐系统[8-9][10]到微阵列数据分析中,Yang和Wang将双聚类技术应用到MovieLens数据集上,数据集由943个顾客[11]数字图书馆推荐系统能收集用户感兴趣的资料,(行)对1682部电影的评价数据组成。Castro应用[12]并根据其兴趣偏好主动为用户做出个性化推荐,其主到MovieLens数据
6、集上,提出方法BIC-aiNet,Ungar[13]要功能包括发现用户兴趣偏好、发现用户需求的内容对EachMovie数据集,Hofmann对观众是否观看某偏好及实现个性化服务。目前,数字图书馆推荐系统电影的数据采用双聚类技术进行协同过滤分析。Ah-[14]采用的主要方法包括基于内容的推荐、基于协同过滤mad应用基于二部图交叉最小化的双聚类构建隐私[15]的推荐、基于用户统计信息的推荐、基于知识的推荐、保护协同过滤的框架。Vozalis利用公共可用的数据[16]基于关联规则的推荐及其混合推荐系统
7、。GroupLens进行电影推荐。Herlocker利用MovieLens协同过滤是基于具有相似兴趣的其他用户的意见数据集,包括943个用户对1682部电影进行评价的为新用户自动提供建议的方法,被广泛应用于数字图100000个打分值,每个用户至少对20部进行评分,评书馆、电子商务等领域的个性化服务系统,包括基于用分值为从1(最坏)-5(最好)的数字。[1][2]户的协同过滤、基于项目的协同过滤、基于关联规[3][4][5]则、基于Horting图和基于聚类的协同过滤等。3多目标优化双聚类图书推荐
8、算法2双聚类协同过滤算法我们应用多目标优化双聚类算法求解数字图书馆协同过滤推荐,提出多目标优化双聚类图书推荐[6]1972年Hartigan提出了双聚类(biclustering)的MOEA-AS算法,具体描述如下:收稿日期:2010-10-18修回日期:2011-01-22本文起止页码:111-113本文责任编辑:易飞111<<信息技术3.1双聚类及适应度函数Repeat动态调整值算法中每个双聚类编码成固定长度n+m的二进更新群体的E-Pareto集制的位串,这里n和m是评分矩阵数据集中用户和
