基于粒关联规则的冷启动推荐方法  

Cold-start Recommendation Based on Granular Association Rules

作　　者：巫文佳[1] 何旭[1] 

机构地区：[1]闽南师范大学粒计算及其应用重点实验室,漳州363000

出　　处：《计算机科学》2014年第3期71-75,共5页Computer Science

基　　金：国家自然科学基金面上项目(61170128);福建省自然科学基金项目(2012J01294);福建省自然科学基金省属高校专项(JK2012028);福建省计算机应用技术和信号与信息系统研究生教育创新基地(闽高教[2008]114号)资助

摘　　要：推荐系统已被广泛应用于电子商务等多个领域。冷启动问题是推荐系统的一个难点。基于粒关联规则的冷启动推荐方法,运用粒来描述用户和产品,通过满足粒关联规则的4个指标,挖掘出用户和产品之间的关联规则,匹配合适的规则,最后根据这些规则向用户做出相应的推荐。在公开有效的数据集MovieLens上进行了实验,结果表明,用粒关联规则所挖掘出的规则可以有效地用于训练集和测试集上的推荐,并且具有较好的准确性。Recommendation systems have been widely used in many fields such as e-commerce.The cold-start problem is one of difficulties on recommendation systems.This paper designed a cold-start recommendation approach based on granular association rules.First,we used granules to describe users and items.Then we generated rules between users and items through satisfying four measures of granular association rules.Finally,we matched the suitable rules to recommend items to users.Experiments were undertaken on a publicly available dataset MovieLens.Results show that granular association mining rule can be used for the recommendation on training and testing sets effectively and accurately.

关 键 词：粒计算 关联规则 推荐系统 冷启动问题 数据挖掘 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]