基于用户偏好的向量化语义社区发现与合并
金结良1
孙美丽1
杨汕2
1.安庆职业技术学院 现代商务学院,安徽 安庆 2460032.浙江财经大学 信息技术与人工智能学院,杭州 310000
摘要：社区发现已成为个性化推荐中必不可少的重要研究领域.然而,现有方法忽略了用户偏好与社区结构的有效结合,以及社区冗余带来的推荐压力.为此,提出一种新的基于用户偏好的向量化语义社区发现与合并的方法.首先,构建偏好知识库用于捕捉用户偏好.然后,基于偏好知识库和LeaderRank算法定位种子节点.最后,为研究合并前后社区共有主题性和紧密性的变化趋势,基于向量化主题和关键词合并高冗余度的社区.通过对参数实验、对比实验等实验结果的分析,该方法优于主流社区发现方法,有利于提高基于社区发现的推荐准确性和用户体验感.
关键词：社区发现个性化推荐社区冗余用户偏好
分类号：TP391(计算技术、计算机技术)
资助基金：安徽高校人文社会科学研究重点项目(SK2021A1013)安徽省省级质量工程(2021xnfzxm066)安徽高校人文社会科学研究项目(2022AH052594)
论文发表日期：2024-11-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 58-64 )
英文信息