一种将大学活动与社团匹配给学生的新型推荐系统
信息检索
2017-11-22 v2
摘要
随着近期在线数据的增加，发现有意义的机会对许多人来说既耗时又复杂。为了克服这一数据过载挑战，我们提出了一种基于文本内容的新型推荐系统，作为预测用户兴趣的有价值工具。为此，我们开发了一种特定程序来创建用户模型和物品特征向量，其中物品以自由文本形式描述。用户模型是通过向用户征集少量关键词并将这些关键词扩展为加权近义词列表而生成的。物品特征向量是利用用户关键词及其近义词的修正 tf-idf 值，从物品的文本描述中生成的。一旦对用户建模并将物品抽象为特征向量，系统便返回最大相似度的物品作为对该用户的推荐。我们的实验评估表明，与 Glove 和 Word2Vec 等知名的特征向量生成方法相比，我们创建用户模型和物品特征向量的方法产生了更高的精确度和准确率。结果还显示，与不进行词干提取和使用标准 tf-idf 定义相比，进行词干提取和使用修正版 tf-idf 分别将准确率和精确度提高了 2% 和 3%。此外，评估结果表明，根据使用历史更新用户模型可提高系统的精确度和准确率。该推荐系统已作为 Agnes 应用程序的一部分开发完成，该应用运行于 iOS 和 Android 平台，并可通过 Agnes 网站访问。
引用
@article{arxiv.1709.08226,
title = {A novel recommendation system to match college events and groups to students},
author = {Kazem Qazanfari and Abdou Youssef and Kai Keane and Joseph Nelson},
journal= {arXiv preprint arXiv:1709.08226},
year = {2017}
}
备注
10 pages, AIAAT 2017, Hawaii, USA