一种基于集体智慧的图书评价推荐方法

J4 ›› 2011, Vol. 33 ›› Issue (9): 141-144.

一种基于集体智慧的图书评价推荐方法

周〓伟，黄〓穗，朱蔚恒，涂能彬，龙〓舜

(暨南大学计算机科学系，广东广州 510632)

收稿日期:2011-05-20 修回日期:2011-07-26 出版日期:2011-09-25 发布日期:2011-09-25
作者简介:周伟(1971),男,湖南长沙人，硕士生，研究方向为数据挖掘和信息检索。
基金资助:
武汉大学软件工程国家重点实验室开放基金资助项目（SKLSE 20100831）；国家科技计划重大专项课题（2008ZX10005013）；广东省科技计划资助项目（2010A032000002）

A Book Evaluation and Recommendation Approach Based on Collective Intelligence

ZHOU Wei,HUANG Sui,ZHU Weiheng,TU Nengbin,LONG Shun

（Department of Computer Science,Jinan University,Guangzhou 510632,China）

Received:2011-05-20 Revised:2011-07-26 Online:2011-09-25 Published:2011-09-25

摘要/Abstract

摘要：

为推荐参考标准的思路，使推荐不再依赖有限的本地数据，而是基于集体智慧。本文提出一个根据图书关联关系网络来评价图书的内容相关性及推荐价值的方法。初步实验结果表明，这一基于集体智慧的图书推荐方法能做出更全面和满意的图书推荐。

关键词: 集体智慧, 图书评价, BookRank, 推荐

Abstract:

Modern libraries provide only modest book recommendation services. We present in this paper a novel book evaluation and recommendation approach based on collective intelligence. Inspired by PageRank, this approach evaluates books based on their mutual recommendation relations provided by online bookstores’ massive user group, before recommending books from not only one particular category but also relevant categories. The experimental results show that it can provide more comprehensive recommendation which pinpoints a user’s expectation.

Key words: collective intelligence;book evaluation;BookRank;recommendation

周〓伟，黄〓穗，朱蔚恒，涂能彬，龙〓舜. 一种基于集体智慧的图书评价推荐方法[J]. J4, 2011, 33(9): 141-144.

ZHOU Wei,HUANG Sui,ZHU Weiheng,TU Nengbin,LONG Shun. A Book Evaluation and Recommendation Approach Based on Collective Intelligence[J]. J4, 2011, 33(9): 141-144.

[1]	李清风, 金柳, 马慧芳, 张若一. 双视图对比学习引导的多行为推荐方法[J]. 计算机工程与科学, 2024, 46(04): 707-715.
[2]	曹浩东, 汪海涛, 贺建峰. 融合序列局部信息的日期感知序列推荐算法[J]. 计算机工程与科学, 2024, 46(04): 734-742.
[3]	罗旭, 汪海涛, 贺建峰. 基于双通道轻量图卷积的序列推荐算法[J]. 计算机工程与科学, 2024, 46(03): 560-570.
[4]	吴国栋, 刘旭旭, 毕海娇, 范维成, 涂立静. 基于元学习个性化推荐研究综述[J]. 计算机工程与科学, 2024, 46(02): 338-352.
[5]	汪春播, 温继文. 基于异构信息网络的推荐研究综述[J]. 计算机工程与科学, 2023, 45(11): 2047-2059.
[6]	高玮蔚, 刘杨, 马慧芳, 唐月晨. 基于增强偏好影响力的图注意力网络推荐算法[J]. 计算机工程与科学, 2023, 45(07): 1300-1307.
[7]	王玫申, 张鹏, 薛乐洋, . 基于二分网络的长期推荐[J]. 计算机工程与科学, 2023, 45(04): 691-700.
[8]	罗可劲, 刘广聪, 杨文浩. 基于多任务学习的图神经网络推荐模型研究[J]. 计算机工程与科学, 2023, 45(04): 726-733.
[9]	张若一, 金柳, 马慧芳, 王亦可, 李清风. 融合相似用户影响效应的知识图谱推荐模型[J]. 计算机工程与科学, 2023, 45(03): 520-527.
[10]	邹程辉, 李卫疆, . 融合知识图谱和评论文本的个性化推荐模型[J]. 计算机工程与科学, 2023, 45(01): 181-190.
[11]	高永强, 张之明, 王宇涛. 基于Cross-DeepFM的军事训练推荐模型[J]. 计算机工程与科学, 2022, 44(08): 1364-1371.
[12]	贾俊杰, 姚叶旺, 陈旺虎. 基于非负矩阵分解的群组推荐算法[J]. 计算机工程与科学, 2022, 44(05): 933-943.
[13]	汪静, 钱晓东. 区块链环境中基于局部敏感哈希的协同过滤推荐研究[J]. 计算机工程与科学, 2022, 44(03): 436-446.
[14]	贾俊杰, 段超强. 基于评分离散度的托攻击检测算法[J]. 计算机工程与科学, 2022, 44(03): 554-562.
[15]	李方, 吴国栋, 涂立静, 刘玉良, 查志康, 李景霞. 图自编码器推荐研究综述[J]. 计算机工程与科学, 2022, 44(02): 335-344.