检索结果-内蒙古大学图书馆

计算机应用 2019年第10期39卷 2829-2833页

作者：徐玲玲曲志坚徐红博曹小威刘晓红山东理工大学计算机科学与技术学院

为了改善推荐系统存在的稀疏性和冷启动问题,提出一种融合信任信息的欧氏嵌入推荐(TREE)算法。首先,利用欧氏嵌入模型将用户和项目嵌入到统一的低维空间中;其次,在用户相似度计算公式中引入项目参与度和用户共同评分因子以度量信任信息... 详细信息

为了改善推荐系统存在的稀疏性和冷启动问题,提出一种融合信任信息的欧氏嵌入推荐(TREE)算法。首先,利用欧氏嵌入模型将用户和项目嵌入到统一的低维空间中;其次,在用户相似度计算公式中引入项目参与度和用户共同评分因子以度量信任信息;最后,在欧氏嵌入模型中加入社交信任关系正则化项,利用不同偏好的信任用户约束用户的位置向量并生成推荐结果。实验将TREE算法与概率矩阵分解(PMF)、社会正则化(SoReg)模型、社交的矩阵分解(SocialMF)模型、社交信任集成模型(RSTE)四种算法进行对比,当维度为5和10时,在Filmtrust数据集上TREE算法的均方根误差(RMSE)比最优的RSTE算法分别降低了1.60%、5.03%,在Epinions数据集上TREE算法的RMSE比最优的社交矩阵分解模型(SocialMF)算法分别降低了1.12%、1.29%。实验结果表明,TREE算法能进一步缓解稀疏和冷启动问题,提高评分预测的准确性。

关键词：社会化推荐欧氏嵌入协同过滤矩阵分解信任信息

来源：评论

学校读者我要写书评

暂无评论

基于信任信息动态协同过滤算法的研究及应用

基于信任信息动态协同过滤算法的研究及应用

引用

作者：刘叶南京邮电大学

学位级别：硕士

5G技术的发展,给人们生活提供了便利,但随之而来的是信息爆炸的问题。为此,推荐系统作为解决信息爆炸问题至关重要的技术之一,受到业界的广泛关注。协同过滤推荐算法是其中最成功的个性化推荐技术之一,但是传统的协同过滤算法普遍存在... 详细信息

5G技术的发展,给人们生活提供了便利,但随之而来的是信息爆炸的问题。为此,推荐系统作为解决信息爆炸问题至关重要的技术之一,受到业界的广泛关注。协同过滤推荐算法是其中最成功的个性化推荐技术之一,但是传统的协同过滤算法普遍存在数据稀疏性与冷启动的问题,并且通常不能及时反应用户的兴趣变化,影响了推荐质量。信任关系是人们生活中不可或缺的一部分,时刻影响用户间的生活。美国著名的尼尔森(Nielsen)调查机构研究表明,约90%的用户倾向于信任来自于朋友的推荐。因此,众多学者将信任关系作为辅助信息引入协同过滤算法,有效地缓解了算法数据稀疏性与冷启动问题。除此之外,时序特征作为反映用户偏好变化最直接的因素也被广泛应用于协同过滤算法推荐当中。本文主要针对协同过滤推荐算法中存在的问题进行研究。主要工作如下:考虑到用户偏好随时序漂移的特点,借助艾宾浩斯遗忘曲线描述时间衰退特性,提出基于艾宾浩斯遗忘曲线的概率矩阵分解算法(Ebbinghaus-Probabilistic Matrix Factorization,E-PMF),对比实验结果表明时序特征能够在一定程度上提高协同过滤算法的推荐准确度;借助信任信息作为辅助参数创建用户信任矩阵,利用信任网络中信任传递机制建立信任模型,量化信任者间的信任度,将信任模型评分矩阵以及时序信息融合,提出基于信任信息的动态协同过滤算法(TrustDynamic Collaborative Filtering,TDCF)。通过实验验证,该算法比传统的协同过滤算法提高了12.01%的准确度,能够有效地缓解数据稀疏性、冷启动问题;将TDCF算法运用到电影推荐系统中,该系统能够完成用户信息注册、电影评分及电影推荐。在此过程中,通过挖掘用户显式或隐式信息,构建用户偏好模型,运用提出的算法给出推荐结果,并根据电影已有的评价信息进行处理,最终得到Top-N电影推荐结果。

关键词：推荐系统协同过滤信任信息 SVD++ 隐式信息艾宾浩斯记忆曲线

来源：评论

学校读者我要写书评

暂无评论

一种基于信任信息的TimeSVD改进算法

一种基于信任信息的TimeSVD改进算法

引用

作者：刘叶曹晓梅 210012江苏省南京市雨花台区软件大道186号

本发明公开互联网领域内的一种基于信任信息的TimeSVD改进算法，用以解决推荐系统中用户冷启动以及评分数据过于稀疏的问题，当用户处于新用户时或者评分数据过少的时候，能够有效地通过信任网络中与该用户信任程度高的其它热用户的评... 详细信息

标准号: CN110457591A

本发明公开互联网领域内的一种基于信任信息的TimeSVD改进算法，用以解决推荐系统中用户冷启动以及评分数据过于稀疏的问题，当用户处于新用户时或者评分数据过少的时候，能够有效地通过信任网络中与该用户信任程度高的其它热用户的评分值，实现对该新用户进行物品推荐；该方法首先借助用户数据构建评分矩阵以及信任矩阵；接着运用TimeSVD算法对矩阵进行分解降维；最后结合信任矩阵模型与用户评分矩阵模型，构造损失函数进行训练，对比不同的信任值，准确地获取到用户的偏好。

关键词：矩阵评分矩阵评分数据新用户算法互联网领域矩阵模型损失函数推荐系统信任信息用户数据用户信任冷启动热用户有效地构建降维偏好稀疏分解改进网络

来源：评论

学校读者我要写书评

暂无评论

一种耦合社会信任信息的矩阵分解协同过滤方法和系统

一种耦合社会信任信息的矩阵分解协同过滤方法和系统

引用

作者：蒋伟王欣百维布新哈 621000 四川省绵阳市高新区绵兴东路35号

本发明公开了一种耦合社会信任信息的矩阵分解协同过滤方法和系统，包括以下步骤：构建社会信任知识图谱；对所述社会信任知识图谱按信任关系和信任度量进行信任团划分；构建耦合社会信任信息的矩阵分解协同过滤模型；利用信任知识图谱... 详细信息

标准号: CN112667885B

本发明公开了一种耦合社会信任信息的矩阵分解协同过滤方法和系统，包括以下步骤：构建社会信任知识图谱；对所述社会信任知识图谱按信任关系和信任度量进行信任团划分；构建耦合社会信任信息的矩阵分解协同过滤模型；利用信任知识图谱的信任团信息及其他用户‑物品交互信息对耦合社会信任信息的矩阵分解协同过滤模型进行训练，得到耦合社会信任信息的矩阵分解协同过滤模型。本发明提供的朋友信任圈的检测算法，基于朋友之间的信任度量，而不是基于网络节点之间的可达性来识别，也有助于缓解冷启动，提高推荐准确性。充分利用社会关系信任数据，对已有的矩阵分解过滤模型中的用户隐因子进行修正。

关键词：矩阵分解协同过滤信任信息耦合图谱度量构建检测算法交互信息网络节点信任关系可达性冷启动过滤修正缓解

来源：评论

学校读者我要写书评

暂无评论

一种耦合社会信任信息的矩阵分解协同过滤方法和系统

一种耦合社会信任信息的矩阵分解协同过滤方法和系统

引用

作者：蒋伟王欣百维布新哈 621000 四川省绵阳市高新区绵兴东路35号

标准号: CN112667885A

关键词：矩阵分解协同过滤信任信息耦合图谱度量构建检测算法交互信息网络节点信任关系可达性冷启动过滤修正缓解

来源：评论

学校读者我要写书评

暂无评论

基于用户信任和偏好信息的推荐算法研究

基于用户信任和偏好信息的推荐算法研究

引用

作者：徐玲玲山东理工大学

学位级别：硕士

社交推荐算法通常在推荐系统中融合社交网络里的信任信息,进而建模社交影响力,最终使得用户的兴趣受到自身偏好和信任朋友偏好的共同影响,有效缓解了传统推荐算法中的数据稀疏和冷启动问题。然而,以往工作大都是在矩阵分解中融合信任信... 详细信息

社交推荐算法通常在推荐系统中融合社交网络里的信任信息,进而建模社交影响力,最终使得用户的兴趣受到自身偏好和信任朋友偏好的共同影响,有效缓解了传统推荐算法中的数据稀疏和冷启动问题。然而,以往工作大都是在矩阵分解中融合信任信息,缺乏推荐的可解释性,且度量信任度的方式简单。此外,由于深度学习技术具有可以深层次地从其他数据源中提取用户、项目特征的优点,因此可将深度学习技术应用在社交推荐算法中来学习信任信息。社交推荐算法的关键环节在于如何量化信任信息以及如何将信任信息与用户历史行为偏好信息结合起来。本文主要研究内容如下:(1)在评分预测任务中,针对度量信任的方式简单、矩阵分解算法的可解释性低问题,提出一种融合信任信息的欧氏嵌入推荐算法(Trust Regularization Euclidean Embedding,TREE)。首先,利用欧氏嵌入模型将用户和项目嵌入到统一的低维空间中;其次,在用户相似度计算公式中引入项目参与度和用户共同评分因子度量信任信息;最后,在欧氏嵌入模型中加入社交信任关系正则化项,利用不同偏好的信任用户约束用户的位置向量,生成推荐结果。实验将TREE算法与概率矩阵分解(PMF)、社会正则化模型(So Reg)、社交矩阵分解模型(Social MF)和社交信任集成模型(RSTE)四种算法进行对比。当维度为5和10时,在Filmtrust数据集上TREE算法的均方根误差(RMSE)比最优的RSTE算法分别降低了1.60%和5.03%,在Epinions数据集上TREE算法的RMSE比最优的社交矩阵分解模型(Social MF)算法分别降低了1.12%和1.29%。实验结果表明,TREE模型较对比算法进一步缓解了数据稀疏和冷启动问题,提高了评分预测的准确性。(2)在top-k推荐任务中,为了利用深度学习技术有区别地度量信任以及建模社交影响力,提出一种融合用户信任和偏好信息的图神经网络社交推荐算法。该算法首先结合自动编码器提取的用户社交向量以及用户-项目交互矩阵中的用户潜在特征向量,利用注意力机制度量用户间的信任度;然后,在使用图卷积网络建模用户社交扩散的基础上,考虑不同信任用户对目标用户偏好的影响,结合用户间信任度,最终得到较为准确的用户特征向量;最后利用多层感知器,建模用户-项目间的复杂交互,生成推荐结果。实验结果表明,对比于相关算法,本文算法在推荐性能上有了一定的提升。

关键词：社交推荐偏好信息信任信息注意力机制

来源：评论

学校读者我要写书评

暂无评论

一种基于局部加权中心性信任推理的信息推荐方法及装置

一种基于局部加权中心性信任推理的信息推荐方法及装置

引用

作者：李小勇蔡斌思高雅丽苑洁唐嘉潞 100876 北京市海淀区西土城路10号

本发明实施例提供了一种基于局部加权中心性信任推理的信息推荐方法及装置，方法包括：计算每个用户对其邻居用户的信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数；针对每个用户，根据对应的局部加权中心性分数对... 详细信息

标准号: CN111241418B

本发明实施例提供了一种基于局部加权中心性信任推理的信息推荐方法及装置，方法包括：计算每个用户对其邻居用户的信任信息所对应的预设分数的总和，作为每个用户的局部加权中心性分数；针对每个用户，根据对应的局部加权中心性分数对其邻居用户进行筛选，得到该用户的目标邻居用户；根据待推荐用户与其目标邻居用户之间的兴趣关联关系，以及目标用户与其他用户之间的兴趣关联关系，确定待推荐用户与目标用户之间的目标兴趣关联关系；基于目标兴趣关联关系对应的各用户之间的信任信息所对应的预设分数，确定待推荐用户对目标用户的信任分数；根据信任分数，向待推荐用户推荐预设信息。应用本发明实施例，可以提高信息推荐的效率。

关键词：关联关系加权中心目标用户邻居用户目标邻居信任信息信息推荐预设用户推荐预设信息推理筛选应用

来源：评论

学校读者我要写书评

暂无评论

基于记忆原理的信任值更新模型

引用

东南大学学报（自然科学版） 2010年第A02期40卷 307-312页

作者：左赛哲郭玉翠宫尚宝吴旭张虎北京邮电大学理学院北京100876

针对开放网络中节点信任值随时间和节点交易行为动态变化的特性,通过对记忆原理与社会网络记忆特性的分析,认为节点服务的重要性与事件的影响力等属性都是一种具有记忆特性的信息,网络中具备这些属性的节点的信任值的变化过程与记忆原... 详细信息

针对开放网络中节点信任值随时间和节点交易行为动态变化的特性,通过对记忆原理与社会网络记忆特性的分析,认为节点服务的重要性与事件的影响力等属性都是一种具有记忆特性的信息,网络中具备这些属性的节点的信任值的变化过程与记忆原理相似.因此以记忆原理为基础,建立了与时间及节点交易相关的变速率的信任值更新模型.该模型可以通过调整衰减因子的大小对节点交易行为起到一定激励作用.实验结果表明该模型能够准确地反应节点信任值随时间和节点交易行为变化的规律,同时还可以通过对交易频率的监控,实现对恶意节点的检测.

关键词：记忆原理信任信息信任衰减交易特征

来源：评论

学校读者我要写书评

暂无评论

一种基于局部加权中心性信任推理的信息推荐方法及装置

一种基于局部加权中心性信任推理的信息推荐方法及装置

引用

作者：李小勇蔡斌思高雅丽苑洁唐嘉潞 100876 北京市海淀区西土城路10号

标准号: CN111241418A

关键词：关联关系加权中心目标用户邻居用户目标邻居信任信息信息推荐预设用户推荐预设信息推理筛选应用

来源：评论

学校读者我要写书评

暂无评论

基于图聚类与蚁群算法的社交网络聚类算法

引用

计算机应用研究 2020年第6期37卷 1670-1674,1687页

作者：叶小莺万梅唐蓉谢云陈桂宏李强广东东软学院计算机科学与技术系广东佛山528225 广州工商学院计算机科学与工程系广州510850 重庆市九龙坡区精神卫生中心重庆400052 中山大学电子与信息工程学院广州510006

针对社交网络中社交关系的有向性与多样性,提出了一种基于图聚类与蚁群算法的社交网络聚类算法。首先,在网络覆盖率的约束下为社交网络建立有向、非全连接的二维图模型;然后,采用K-medoids算法搜索用户分组的中心用户,采用人工蚁群算法... 详细信息

针对社交网络中社交关系的有向性与多样性,提出了一种基于图聚类与蚁群算法的社交网络聚类算法。首先,在网络覆盖率的约束下为社交网络建立有向、非全连接的二维图模型;然后,采用K-medoids算法搜索用户分组的中心用户,采用人工蚁群算法在2D图中搜索各个用户与中心用户的相似性,将满足相似性阈值的用户分为同一个用户组。设计了低活跃用户的预测机制解决网络的稀疏性问题与冷启动问题。此外,通过网络覆盖率的约束条件权衡聚类准确率与覆盖率两个指标。仿真实验结果表明,该算法实现了较好的社交网络聚类性能,并且有效地缓解了稀疏性问题与冷启动问题。

关键词：社交网络数据挖掘聚类处理人工蚁群优化图聚类信任信息

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：