南京邮电大学学报(自然科学版)

作者：王海艳,孙成成

单位：南京邮电大学 计算机学院,江苏南京210023；南京邮电大学 江苏省无线传感网高技术研究重点实验室,江苏南京210023；南京邮电大学 江苏省大数据安全与智能处理重点实验室,江苏南京210023南京邮电大学 计算机学院,江苏南京210023

关键词：词群组发现；偏好获取；动态主题模型；多视图学习

基金：国家自然科学基金(61772285，61373138)资助项目

近年来，群组推荐因其良好的实用价值得到了广泛关注。作为群组推荐的一个重要环节，群组发现对推荐结果具有至关重要的影响。对于同一群组中的用户，用户的相似度越大，推荐的精度就越高。为了有效提升群组内用户相似度，改善推荐的精度，降低误差率，文中提出了一种基于多视图学习的群组发现方法。该方法首先提取多维度的显式信息，并用相似度矩阵表示，采用动态主题模型更新用户的偏好；然后，基于多视图学习对用户相似度矩阵分配权重，利用无监督学习训练得出隐式信息；最后，根据用户相似度矩阵和分组方法提出群组发现算法，实现用户群组划分。仿真对比实验表明本文所提的方法分组效果更好。

来源：2019年第4期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2019年第4期