...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Applied Artificial Intelligence >Effective Context-Aware Recommendations Based on Context Weighting Using Genetic Algorithm and Alleviating Data Sparsity
【24h】

Effective Context-Aware Recommendations Based on Context Weighting Using Genetic Algorithm and Alleviating Data Sparsity

机译：基于使用遗传算法和缓解数据稀疏性的上下文加权的有效背景感知建议

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Context-aware collaborative filtering (CACF) is an effective approach for adapting recommendations under users' specific contextual situations and aims to improve predictive accuracy for Context-aware recommender systems (CARSs). Incorporating context in recommender systems (RSs) considering the equal importance to all contextual dimensions is not appropriate for seeking an intelligent and useful recommendation. In this paper, we propose a Real-coded Genetic Algorithm (RCGA) based CARS framework that exploits contextual pre-filtering and contextual modeling paradigms into CACF with appropriate context feature weights for enhancing accuracy as well as the diversity of the recommendation list. Further to alleviate the data sparsity, an effective missing value prediction (EMVP) algorithm is applied into proposed framework. The accuracy based on RCGA is compared with other two schemes: Support Vector Machine (SVM) and Particle Swarm Optimization (PSO), and RCGA has shown better results. Experimental results based on real-world datasets have clearly established the effectiveness of our proposed CARS schemes.
机译：背景信息的协作过滤（CACF）是一种有效的方法，用于在用户特定的上下文情况下调整建议，并旨在提高上下文知识推荐系统（汽车）的预测准确性。将上下文结合在推荐系统（RSS）中，考虑对所有上下文尺寸的平等重视不合适，不适合寻求智能和有用的推荐。在本文中，我们提出了一种基于实际编码的基于遗传算法（RCGA）的汽车框架，其利用适当的上下文特征权重利用上下文预滤波和上下文建模范式来利用CACF，以提高准确性以及推荐列表的分集。进一步缓解数据稀疏性，将有效缺失的值预测（EMVP）算法应用于提出的框架。基于RCGA的准确性与其他两种方案进行比较：支持向量机（SVM）和粒子群优化（PSO），RCGA显示出更好的结果。基于现实世界数据集的实验结果明确建立了我们提出的汽车计划的有效性。

著录项

  • 来源
    《Applied Artificial Intelligence》 |2020年第11期|730-753|共24页
  • 作者

    Linda Sonal; Minz Sonajharia; Bharadwaj K. K.;

  • 作者单位

    Jawaharlal Nehru Univ Sch Comp & Syst Sci New Delhi 110067 India;

    Jawaharlal Nehru Univ Sch Comp & Syst Sci New Delhi 110067 India;

    Jawaharlal Nehru Univ Sch Comp & Syst Sci New Delhi 110067 India;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

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