基于Vague值的非个性化产品推荐研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (13): 63-66.

基于Vague值的非个性化产品推荐研究

崔春生1，苏白云2

1.河南财经政法大学计算机与信息工程学院，郑州 450002
2.河南财经政法大学数学与信息科学系，郑州 450002

出版日期:2012-05-01 发布日期:2012-05-09

Study of non-personalized recommender systems based on vague value

CUI Chunsheng1, SU Baiyun2

1.College of Computer and Information Engineering, Henan University of Economics and Law, Zhengzhou 450002, China
2.Department of Mathematics and Information Science, Henan University of Economics and Law, Zhengzhou 450002, China

Online:2012-05-01 Published:2012-05-09

摘要/Abstract

摘要： 在网络用户和网络产品急剧攀升的背景下，非个性化产品推荐成为一种很好的网络广告手段，已有的研究中，Vague集方法已被应用于推荐系统中，并取得了较好的效果。分析了非个性化产品推荐的一般特征和优点；借助Vague值描述的产品，研究了特征值方法和“马太效应”记分函数方法运用于产品排序的可行性；最后，通过实例验证了两种方法的在非个性化产品推荐中的有效性和一致性。

Abstract: Non-personalized recommender systems has become a popular online advertising method due to the comprehensive applications of users and products. In the previous research, Vague value method has been used to study the recommender system, which is approved to be used in this field. The general characteristics and advantages of non-personalized recommender are reviewed. Hence, the feasibilities of using eigenvalue method and the “Matthew Effect” score function method in products-ranking are studied based on description of products by Vague set. The effectiveness and coconscious of two methods are then proved with examples.

Key words: non-personalized recommender systems, Vague value, eigenvalue, “Matthew Effect&rdquo, score function

崔春生1，苏白云2. 基于Vague值的非个性化产品推荐研究[J]. 计算机工程与应用, 2012, 48(13): 63-66.

CUI Chunsheng1, SU Baiyun2. Study of non-personalized recommender systems based on vague value[J]. Computer Engineering and Applications, 2012, 48(13): 63-66.

[1]	邓利芳，党建武，王阳萍，王松. 结合混合核特征映射的空域图像隐写分析[J]. 计算机工程与应用, 2021, 57(9): 118-125.
[2]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[3]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[4]	周友行，赵晗妘，刘汉江，李昱泽，肖雨琴. 采用DDPG的双足机器人自学习步态规划方法[J]. 计算机工程与应用, 2021, 57(6): 254-259.
[5]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[6]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[7]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[8]	徐辰华，骆珠光，吴冠宏，刘斌. 基于正弦因子和量子局部搜索的灰狼优化算法[J]. 计算机工程与应用, 2021, 57(24): 83-89.
[9]	马志豪，朱响斌. 拟双曲动量梯度的对抗深度强化学习研究[J]. 计算机工程与应用, 2021, 57(24): 90-99.
[10]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[11]	常惠，饶志强，赵玉林，李益晨. 基于改进U-Net网络的隧道裂缝分割算法研究[J]. 计算机工程与应用, 2021, 57(22): 215-222.
[12]	谢俊章，彭辉，唐健峰，侯奕辰，曾庆喜. 改进YOLOv4的密集遥感目标检测[J]. 计算机工程与应用, 2021, 57(22): 247-256.
[13]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[14]	成怡，郝密密. 改进深度强化学习的室内移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(21): 256-262.
[15]	邹建文，赵波，李想，刘一凡，黎佳玥. 基于tPUF的物联网设备安全接入方案[J]. 计算机工程与应用, 2021, 57(2): 119-126.