三元概念的启发式构建及其在社会化推荐中的应用

摘要

形式概念分析作为知识发现的方法,在理论分析和实际应用中已经取得很多成果.随着三维数据的涌现,许多学者开始了对三元形式概念分析的研究.但是,目前该领域的研究和应用较少,尤其还没有被应用到推荐系统.文中介绍了三元概念的构建及其社会化推荐应用.首先设计启发式信息,构造覆盖所有用户的三元概念集合,启发式信息旨在生成外延和内涵均有一定规模的强概念;然后根据拟推荐项目的属性来筛选用户合适的社会关系,并结合项目在概念中的流行度实现推荐预测.文中分别在真实数据集和抽样数据集中进行了3个实验.实验1对比了启发式方法和∨oc运算构造的三元概念数量及其运行时间,其中∨oc运算构造的概念数量少、耗时长且对推荐的提升效果不明显;实验2对比了推荐效果的精确度、召回率和F1值,揭示了增加条件可以有效提升推荐效果;实验3的结果表明,基于三元概念的推荐算法的推荐效果优于KNN及GRHC.