文献类型：期刊文献

中文题名：基于随机森林算法的推荐系统的设计与实现

英文题名：Design and Implementation of Recommender System Based on Random Forest Algorithm

作者：沈晶磊[1,2];虞慧群[1];范贵生[1];郭健美[1]

机构：[1]华东理工大学计算机科学与工程系,上海200237;[2]上海市计算机软件评测重点实验室,上海201112

年份：2017

卷号：44

期号：11

起止页码：164

中文期刊名：计算机科学

外文期刊名：Computer Science

收录：CSTPCD;;北大核心:【北大核心2014】；CSCD:【CSCD_E2017_2018】；

基金：国家自然科学基金(61602175;61772200);上海市研究生教育创新项目;华东理工大学教育教学规律与方法研究项目资助

语种：中文

中文关键词：随机森林;推荐系统;特征提取;机器学习

外文关键词：Random forest ,Recommender system, Feature extraction, Machine learning

摘要：如今随着推荐系统势头的加强,如何对用户行为进行快速而准确的预测变得愈加重要。通过分析网上社区帖子的点赞和点踩数据,实现了基于随机森林的推荐系统。该系统将实际问题转化为分类模型,并实现了数据处理、特征提取和参数调整。同时,该系统还对用户浏览帖子后是否产生交互行为进行了预测。最后,通过实验仿真并利用F1值对实验结果进行评估。实验结果证明了系统的有效性和效率。
As the recommender system is gaining momentum nowadays,how to quickly and accurately predict users＇ behavior is becoming increasingly important.We implemented a recommendation system based on the random forest algorithm through analyzing the praise and stamp data collected from Internet forum.The system transforms the practical problem into a classification model,and it realizes data processing,feature extraction and parameter tuning.Moreover,the system determines whether there is a further interaction behavior after a post has been viewed.Finally,we conducted experiments to evaluate the system in terms of F1-measure.Our experimental results demonstrate the effectiveness and efficiency of our system.