Scidown文献预览系统!
推荐系统中的K-core分解提高了评分预测的准确性( K-core decomposition in recommender systems improves accuracy of rating prediction )
Jun Ai Yayun Liu Zhan Su Fengyu Zhao Dunlu Peng
用户在推荐系统中的评分可以通过他们的历史数据、项目内容或偏好来预测。在最近的文献中,科学家们使用复杂网络来建模RS的用户-用户或项目-项目网络。此外,社区检测方法可以对用户或项目进行聚类,进一步提高预测精度。然而,网络建模中的链路数目太多,很难进行正确的聚类,而且社区聚类是一个计算复杂度很高的NP难问题。因此,我们在复杂网络模型中结合模糊链路重要度和K-核分解,在降低计算复杂度的同时提供更准确的评级预测。实验结果表明,该方法在MovieLens数据集上的预测精度由4.64[公式:见文本]提高到5.71[公式:见文本],避免了社区检测中的NP难问题。研究表明,通过定义模糊链路重要度,可以对模型网络中的链路进行合理的管理,K核分解可以提供一种简单的聚类方法,计算复杂度相对较低。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】