• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Tools with Artificial Intelligence >On Information Fusion in Recommender Systems Based on Dempster-Shafer Theory
【24h】

On Information Fusion in Recommender Systems Based on Dempster-Shafer Theory

机译：基于Dempster-Shafer理论的推荐系统信息融合

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we address the problem of combining information in recommender systems (RSs) based on Dempster-Shafer theory (DST). We first discuss the characteristics of this problem, and then analyze six popular combination methods in the context of RSs. Based on the analysis, we propose two new mixed combination methods which can be considered as useful tools for fusing information in the systems. To evaluate the proposed methods, we integrate them into a typical RS based on DST, and then measure recommendation performances on MovieLens data set. The experimental results show that, comparing to the baselines, the new methods outperform with regards to DS-MAE and DS-Recall, and can be comparable in terms of DS-Precision and DS-F1.
机译：在本文中，我们解决了基于Dempster-Shafer理论（DST）在推荐系统（RSs）中组合信息的问题。我们首先讨论此问题的特征，然后在RS的背景下分析六种流行的组合方法。在分析的基础上，我们提出了两种新的混合组合方法，可以将它们视为在系统中融合信息的有用工具。为了评估建议的方法，我们将它们集成到基于DST的典型RS中，然后在MovieLens数据集上衡量推荐性能。实验结果表明，与基线相比，新方法在DS-MAE和DS-Recall方面表现优异，并且在DS-Precision和DS-F1方面可以媲美。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号