基于多源数据融合的协同推荐方法

doi:10.11959/j.issn.1000-0801.2015164

摘要/Abstract

摘要：

大数据环境下，实现多源数据的高效利用是推荐服务的一个重要问题。为此，基于协同推荐方法，选取相似用户的消费行为完成推荐排序，在用户聚类过程引入预聚类单元和综合聚类单元。预聚类单元对用户—产品评分矩阵、电信业务身份、用户网络关注内容等数据，分别进行相似度计算。综合聚类单元计算数据丰度权重，进行综合相似度计算和用户聚类。同时，引入了可调节的效度权重，根据推荐结果的点击率和转化率，自动优化推荐系统。

关键词: 推荐方法, 数据融合, 电信企业, 权重

Abstract:

The highly efficient utilization of multiple data sources is a key challenge in big data applications.Based on the collaborative filtering recommendation，services pick consumption behaviors of similar clients by clustering to generate the recommendation list.Client clustering contains two units，one is preliminary clustering，and the other is synthetic clustering.Preliminary clustering use client-product score matrixes，telecommunication service identities，client network behaviors and etc.to calculate similarities.Synthetic clustering weights the abundance of data，and then completes the similarity calculation and client clustering.Adjustable weights of data validity were introduced to optimize the system on the basis of click rates and conversion rates of recommendation list.

Key words: recommendation method, data fusion, telecom corporation, weight

柯福顺,姚晓辉. 基于多源数据融合的协同推荐方法[J]. 电信科学, 2015, 31(7): 86-89.

Fushun Ke,Xiaohui Yao. Collaborating Filtering Method Based on Multiple Data Sources[J]. Telecommunications Science, 2015, 31(7): 86-89.

图/表 1

参考文献 5

1	刘建国，周涛，汪秉宏 . 个性化推荐系统的研究进展. 自然科学进展， 2009，19（1）： 1～15 Liu J G ， Zhou T ， Wang B H . Progress of personalized recommendation system. Progress in Natural Science， 2009，19（1）： 1～15
2	杨博，赵鹏飞 . 推荐算法综述. 山西大学学报（自然科学版）， 2011，34（3）： 337～350 Yang B ， Zhao P F ， Zhao P F . Review of the art of recommendation algorithms. Journal of Shanxi University （Natural Science Edition）， 2011，34（3）： 337～350
3	吴颜，沈洁，顾天竺等. 协同过滤推荐系统中数据稀疏问题的解决. 计算机应用研究， 2007，24（6）： 94～97 Wu Y ， Shen J ， Gu T Z ，et al. Algorithm for sparse problem in collaborative filtering. Application Research of Computers， 2007，24（6）： 94～97
4	马书超 . 基于网络结构的推荐算法的研究（硕士学位论文）. 中国科技大学， 2013 Ma S C . Recommendation algorithm based on network structure （master dissertation）. University of Science and Technology of China， 2013
5	张光卫，康建初，李鹤松等. 面向场景的协同过滤推荐算法. 系统仿真学报， 2006，18（z2）： 595～601 Zhang G W ， Kang J C ， Li H S ，et al. Context based collaborative filtering recommendation algorithm. Journal of System Simulation， 2006，18（z2）： 595～601

[1]	顾秋阳, 琚春华, 吴功兴. 基于自编码器与多模态数据融合的视频推荐方法[J]. 电信科学, 2021, 37(2): 82-98.
[2]	杨安邦,钱江波,董一鸿,陈华辉. 基于列表监督的Hash排序算法[J]. 电信科学, 2019, 35(5): 78-85.
[3]	周冬,曹海燕,许方敏,方昕,王秀敏. 大规模MIMO系统中基于权重高斯赛德低复杂度ZF预编码方案[J]. 电信科学, 2019, 35(3): 69-75.
[4]	曹海燕,周冬,许方敏,方昕,王秀敏. 大规模MIMO系统中基于权重二对角迭代的低复杂度预编码[J]. 电信科学, 2018, 34(9): 63-69.
[5]	吴涛,刘韬,王斌. 安徽联通企业级大数据平台构建及应用实践[J]. 电信科学, 2018, 34(1): 135-147.
[6]	赵晓宁,孙长印,梁彦霞. 超密集网基于干扰公平及多维协作的虚拟小区生成算法[J]. 电信科学, 2017, 33(9): 20-27.
[7]	程文彬,杜磊,刘依依. 无线多传感器数据融合的家庭火灾检测系统设计[J]. 电信科学, 2017, 33(9): 174-181.
[8]	沈利华,章剑林. 基于公约式权重的截短线性分组码盲识别方法[J]. 电信科学, 2017, 33(6): 114-120.
[9]	董齐芬,陈红玉,李国军,王亢,洪榛. 优化生存时间的无线传感器网数据融合[J]. 电信科学, 2016, 32(6): 116-123.
[10]	赵建军,王怀宇,赵泽阳,陈生昌. WSN中基于多分辨率和压缩感知的数据融合方案[J]. 电信科学, 2014, 30(9): 92-99.
[11]	高永梅,琚春华,鲍福光. 基于大数据的电信领域用户服务模型与数据融合策略研究[J]. 电信科学, 2014, 30(7): 62-69.
[12]	朱映波,刁建伟,康波,刘胜强. 基于标签对家庭IPTV业务个性化推送机制的用户体验优化研究[J]. 电信科学, 2014, 30(7): 113-120.
[13]	张渊,郭涛峰,张攀翔,高建军,臧佳艳. 负载均衡技术在统一采集平台中的应用研究与实现[J]. 电信科学, 2013, 29(12): 145-154.
[14]	叶宇航,贺仁龙,程晓旭. 电信数据质量管理与稽核研究[J]. 电信科学, 2012, 28(2): 1-6.
[15]	梁勇,张攀翔,陈秋华. 企业级数据库云平台的建设与运维方案[J]. 电信科学, 2012, 28(2): 146-155.