检索结果-内蒙古大学图书馆

小型微型计算机系统 2023年第1期44卷 56-62页

作者：乔猛魏国亮吴超异上海理工大学理学院上海200093 上海理工大学外语学院上海200093

推荐系统可以有效的解决信息过载问题,使得的用户快速的找到感兴趣的物品.然而真实场景中的数据极度稀疏,严重影响推荐质量.基于信任的矩阵分解推荐算法通过利用评分信息和信任信息进行推荐,可以在一定程度上减少因评分信息稀疏对推荐... 详细信息

推荐系统可以有效的解决信息过载问题,使得的用户快速的找到感兴趣的物品.然而真实场景中的数据极度稀疏,严重影响推荐质量.基于信任的矩阵分解推荐算法通过利用评分信息和信任信息进行推荐,可以在一定程度上减少因评分信息稀疏对推荐性能造成的影响.但基于信任的矩阵分解推荐算法只考虑了用户间的信任信息,却忽略了用户间的不信任信息,事实上用户间的不信任信息同样对推荐质量有着重要的影响.本文提出了一种新颖的非负矩阵分解算法TDSVD,TDSVD利用评分信息,信任信息和不信任信息进行个性化推荐.因为TDSVD算法利用了3种信息进行推荐,所以很大程度上减小了数据稀疏对推荐质量的影响.并且在模型训练时,本文加入了一种新颖的信任正则化项和不信任正则化项.最后,在真实数据集Epinions的实验也表明本文提出的算法TDSVD优于其它经典算法,能够显著提高推荐准确性.

关键词：推荐系统矩阵分解信任信息不信任信息数据稀疏

来源：评论

学校读者我要写书评

暂无评论

融合社会化关系的个性化推荐算法

融合社会化关系的个性化推荐算法

引用

作者：卫鼎峰太原理工大学

学位级别：硕士

互联网和人工智能技术的快速发展为信息的传播和有效利用提供了时宜的契机,但是随着信息量的大量积累,信息过载问题已然成为困扰人们的重要问题,为此个性化推荐算法应运而生。推荐算法不仅可以节省用户的搜索成本,增强用户体验,而且可... 详细信息

互联网和人工智能技术的快速发展为信息的传播和有效利用提供了时宜的契机,但是随着信息量的大量积累,信息过载问题已然成为困扰人们的重要问题,为此个性化推荐算法应运而生。推荐算法不仅可以节省用户的搜索成本,增强用户体验,而且可以将有价值的产品推荐给用户,增强实体制造商的积极性。因此,如何将有价值的产品推荐给有真正需求的用户是推荐算法研究的重要课题。融合社会化关系的个性化推荐算法不仅可以传递好友间的信息,而且可以增强算法的预测性能。当前,个性化推荐算法存在着一些问题:首先,一些算法仅仅利用评分信息和信任信息来限制用户的潜在特征以实现好友间的信息传递,忽略了产品信息的重要性,即未曾思考通过约束产品潜在特征的方式实现产品间的信息传递;其次,一些用户的好友数量较少且点击或者购买产品的数量也少,造成了数据的稀疏,严重阻碍了算法的推荐性能;再次,显性的社交关系中存在着嘈杂性的问题,即用户与虚假好友之间的信息传递可能阻碍算法的优化;然后,用户与可信好友之间也存在喜好的偏差,即人类的喜好并非是单一的,而是多元性的;最后,用户与好友之间存在着动态地变化,仅仅建模用户与好友之间的静态关系并不符合真实的生活。为解决上述问题,本文进行了融合社会化关系的个性化推荐算法研究,并在真实的数据集上进行实验和分析,具体的研究内容如下:1.为了实现信任用户之间以及相关产品之间的信息传递,提出了融合产品信息的社会化推荐算法,该模型先在评分信息上构建产品相关性,随后利用随机游走和Skip-Gram的方法构建深度产品相关性,接着利用图卷积神经网络学习评分信息、信任信息和产品间的深度相关性,获取用户和产品的深层次特征,最后利用优化的矩阵分解方式传递产品间的相关关系和以及用户间的信任关系,实现用户的偏好预测。2.为了解决矩阵分解无法直观表现用户喜好的问题,本文进一步通过马氏距离的方式来预测用户的喜好,并且融合了多种信息,实现了人与产品之间、人与人之间以及产品与产品之间的信息传递。实验表明,上述算法可以有效地预测出普通用户和冷启动的偏好。3.为了适时地构建用户之间的信任关系,提出了融合生成对抗图卷积神经网络的社会化推荐算法,该模型先在评分信息和显性社交信息上构建了更为可靠的潜在好友关系,随后利用高效的图卷积神经网络学习评分信息的结构特征,获取用户和产品的深层次特征,最后采用生成对抗网络动态地构建出与用户具有相同喜好的可信好友,惩戒虚假的好友,实现用户与好友之间的动态变化,同时为了保障好友的选择具有随机性,采用自动编码器来重新构建好友关系。实验表明,该算法可以有效地为普通用户和冷启动用户推荐适宜的产品。

关键词：随机游走信任信息推荐算法图卷积神经网络生成对抗网络自动编码器

来源：评论

学校读者我要写书评

暂无评论

基于标签分类和信任自编码器的协同过滤算法研究

基于标签分类和信任自编码器的协同过滤算法研究

引用

作者：朱峥宇南京邮电大学

学位级别：硕士

随着互联网的快速发展,人们生产、复制和传播信息的能力大大增强,整个社会面临前所未有的信息过载问题,个性化推荐系统是解决该问题的有力手段。协同过滤是推荐系统中较为常用的一种方法,由于其良好的可扩展性和易用性被广泛应用。但是... 详细信息

随着互联网的快速发展,人们生产、复制和传播信息的能力大大增强,整个社会面临前所未有的信息过载问题,个性化推荐系统是解决该问题的有力手段。协同过滤是推荐系统中较为常用的一种方法,由于其良好的可扩展性和易用性被广泛应用。但是协同过滤算法的推荐准确度会因为评分矩阵包含大量的缺失值而大幅度降低,且对于新用户和新物品存在冷启动的问题。近年来,深度学习已被应用在自然语言处理、音频识别和交通监控等领域,并且获得了突飞猛进的发展,也为推荐系统带来了新的机遇。本文首先对传统的协同过滤算法进行改进,通过标签信息来辅助缓解协同过滤稀疏性问题,提出了基于标签分类的协同过滤推荐算法LCCF,将不完整的数据样本根据标签进行分类,使分解的矩阵依赖于类,随后使用迭代投影寻踪的方法计算依赖矩阵的线性组合及其对应权重,最后进行协同过滤推荐。针对传统协同过滤自身的局限性与评分信息单一的问题,结合深度学习模型中的降噪自编码器,提出了基于信任信息的降噪自编码器协同过滤推荐算法TDAE,通过相关度计算提取隐式信任信息,然后与数据集中的显式信任信息和评分信息与降噪自编码器模型进行整合,并对降噪自编码器的输入进行稀疏化处理,最后进行协同过滤推荐。

关键词：协同过滤推荐系统深度学习标签分类降噪自编码器信任信息

来源：评论

学校读者我要写书评

暂无评论

基于Pareto最优和信任关系的协同过滤算法研究

基于Pareto最优和信任关系的协同过滤算法研究

引用

作者：刘君玲天津财经大学

学位级别：硕士

协同过滤(CF)是广泛使用的推荐方法之一,并已在许多领域得到运用。该方法基于类似用户具有相似品味和兴趣的假设。因此,CF使用与被推荐的用户具有相似品味的用户的喜好来获取有用的推荐。为此,用户在项目上给出的历史数据信息用于首先... 详细信息

协同过滤(CF)是广泛使用的推荐方法之一,并已在许多领域得到运用。该方法基于类似用户具有相似品味和兴趣的假设。因此,CF使用与被推荐的用户具有相似品味的用户的喜好来获取有用的推荐。为此,用户在项目上给出的历史数据信息用于首先找到类似的用户,然后进行预测。CF存在两个主要问题:数据稀疏性和冷启动问题。与所有可能的评分相比,数据稀疏性是由用户参与评价的项目过少引起的。冷启动问题是指没有足够的先前评级历史记录的项目(或用户)。在冷启动项目(或用户)下,系统通常无法提供高质量的建议。为了缓解以上两个问题,本文主要研究内容如下:[目的]利用帕累托最优概念和信任关系在推荐过程中获取用户的最相似用户。可以提高传统协同过滤推荐中用户相似性的计算精度,从而优化了类似用户的聚类效果,让一些商务平台产生更好的推荐结果,这可以减轻协同算法中经常出现的数据稀疏以及冷启动难题带来的干扰。[研究内容]这篇文章将经济学中的帕累托最优思维和社会关系中的信任关系,考虑到协同过滤推荐算法中。方法步骤如下:首先,根据信任关系确定信任网络,同时生成预测评分集;其次,根据生成的评分集,计算调节因子,用来改进传统的协同过滤算法,获得相似值;第三,利用帕累托最优原则识别主导用户,重构信任网络,利用重构的信任网络计算相似值。第四,预测评分,实施推荐。添加调节因子和利用帕累托概念是本文的创新之处。[研究方法]首先利用皮尔森相关系数计算相关系数,然后用帕累托最优概念重构信任网络,最后,通过平均绝对误差指数进行实验评估。通过文章结尾的两个实验案例和最后一个小的实证分析,可以初步的认为:本篇论文提及的改进方法与传统的协同过滤的算法而言,提高了准确性,更深一步地缓解了冷启动性的难题和稀疏性的难题。[局限]本篇论文着重点在方法的创新上,所以实证部分显得相对单薄,真实数据源虽然很多,但是经筛选处理后,参与实验的数据量不大,这是这篇文章的薄弱之处。[结论]数量庞大的用户间的信任关系包含特别有价值的信息,通过质与量之间的转换,量化用户间的信任信息,并结合用户的其他信息进行相似值的计算,然后利用帕累托最优原则筛选最信任用户,优化传统的皮尔森公式,并实施协同过滤推荐。

关键词：推荐算法帕累托最优信任信息协同过滤

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的信任感知推荐系统研究

基于深度学习的信任感知推荐系统研究

引用

作者：曾叶佳西南大学

学位级别：硕士

在推荐系统研究领域,协同过滤推荐算法的应用和研究最为广泛,在一些推荐任务中取得一定成效。但是,协同过滤推荐算法单一考虑了用户的评分数据,存在数据稀疏性和冷启动问题,难以学习到用户与项目之间的强关联信息。作为浅层推荐模型,该... 详细信息

在推荐系统研究领域,协同过滤推荐算法的应用和研究最为广泛,在一些推荐任务中取得一定成效。但是,协同过滤推荐算法单一考虑了用户的评分数据,存在数据稀疏性和冷启动问题,难以学习到用户与项目之间的强关联信息。作为浅层推荐模型,该算法无法获取到用户与项目间更深层次隐藏特征,导致推荐效果不理想。为缓解数据稀疏性和冷启动问题,信任信息被当作辅助信息加入到了推荐模型。然而,传统的信任感知推荐系统采用平衡用户自身偏好和信任用户偏好的方法进行推荐,仍然属于浅层推荐模型范畴,挖掘用户与项目间的更深层次隐藏特征的能力相对薄弱。除此之外,基于信任的推荐模型在处理用户对信任用户的相似度或注意力分配时,大多数是由用户的共同评分项进行计算,在极大程度上不能得到最优的注意力分配。以深度学习为代表的人工智能技术,为推荐模型的研究带来了契机。基于深度学习的推荐模型利用多层神经网络学习用户和项目交互信息,获取深层次隐藏特征,获得较好推荐效果。现有大部分模型都是基于矩阵分解的思想,并使用单一评分数据,对用户强关联信息表现出弱学习性,难以更进一步提升模型的推荐性能。本文融合了信任信息作为辅助信息,构建新的神经网络模型融合信任信息和评分信息进行推荐,缓解冷启动等问题;引入注意力机制来融合用户长短期偏好,进一步优化注意力分配提升推荐模型性能。本文主要工作为以下两方面:(1)针对大多数基于深度学习的推荐模型仅依靠用户评分数据,难以发掘用户与产品间的强关联问题,本文在用户评分数据的基础上,融合用户间信任关系,通过深度学习的方法灵活地将用户自身喜好与用户信任的朋友的喜好结合起来,提出一种新的基于信任的神经协同过滤(TNCF)。首先,通过广义矩阵分解模型合并信任信息和评分信息,得到基于信任用户偏好的推荐。然后,使用多层感知机模型中的非线性内核,从评分数据中学习交互特征,获取用户自身偏好的推荐。最后,聚合前两者得到的推荐进行隐式预测。信任信息不仅隐含用户间相似信息,还能体现一定的社会信息,能够增强补充交互数据的能力,提高找到用户与项目间的强关联的机率,进而提升推荐效果。本文选择在FilmTrust、Epinions和Ciao数据集上进行实验对比分析,TNCF模型在Top-n推荐效果上相较于基线模型有明显提升,与次优模型相比,在FilmTrust数据集上HR@10最高提高1.73%,NDCG@10提高2.88%;在Epinions数据集上HR@10提高2.54%,NDCG@10提高1.62%;在Ciao数据集上HR@10提高0.94%,NDCG@10提高1.43%。(2)针对以往基于信任的推荐算法不能最优化注意力分配的问题,本文提出利用注意力机制计算用户信任度即对信任用户的注意力,来捕获用户受朋友的喜好影响。同时,为了进一步研究用户的品味变化,本文引入时间敏感性,采用自注意力机制,捕获用户的短期喜好变化特征。基于以上两点,本文提出了基于注意力的信任感知序列推荐模型(ATRec)。首先,通过设定Self-Attention块的查询(Query),键(Key)和值(Value)为用户最近的L条交互序列,来学习基于用户交互序列的短期用户偏好;然后,通过注意力机制分配用户对不同信任朋友的关注度,学习用户基于信任朋友的长期用户偏好;最后,通过参数?平衡用长短期用户偏好做出推荐。实验结果表明,ATRec模型在Top-n推荐效果相较于基线模型同样有明显提升,在Flixster数据集上HR@10提高1.82%1.47%,NDCG@10提高1.47%3.33%,在Flixster数据集上HR@10提高3.07%.04%,NDCG@10提高1.33%.75%,并且训练效率也获得了一定的提升。

关键词：协同过滤信任信息深度学习矩阵分解注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于降噪自编码器的信任感知协同过滤推荐算法研究

基于降噪自编码器的信任感知协同过滤推荐算法研究

引用

作者：王美琪东北师范大学

学位级别：硕士

随着网络平台的流行和网络信息的急剧增多,如今互联网中的信息量已经远远超出了人们的需求范围。海量数据的涌现反而使信息的利用率降低,如何快速、准确地在庞大的数据中定位到有用的信息是一个急需解决的问题。推荐系统的出现极大地缓... 详细信息

随着网络平台的流行和网络信息的急剧增多,如今互联网中的信息量已经远远超出了人们的需求范围。海量数据的涌现反而使信息的利用率降低,如何快速、准确地在庞大的数据中定位到有用的信息是一个急需解决的问题。推荐系统的出现极大地缓解了这种难题,它在大数据的背景下为用户与商品之间建立了联系,从而有效地提高了用户满意度和商家效率。协同过滤是一种重要的推荐算法,也是目前最常见的预测用户喜好的方法。然而,传统的协同过滤仅通过评分信息推测用户的偏好,由于评分数据稀疏问题,推荐的质量会受到严重的影响。此外,传统的协同过滤中只含有线性的运算,无法提取数据中的非线性因素,这也会使算法的性能受限。基于以上问题,本文在降噪自编码器的基础上提出了两种信任感知的预测模型,主要工作如下:(1)提出了整合显式信任信息的评分预测模型TDAE。首先,将用户在社交网络中的显式信任信息处理成有效的向量表示;其次,使用降噪自编码器整合用户的评分和显式信任关系;最后,通过神经网络的非线性运算获得更精准的用户偏好。(2)提出了整合隐式信任信息的评分预测模型TDAE++。首先,选择皮尔森相关系数的改进算法从用户的评分中提取隐式的信任关系;其次,同时使用显式和隐式两种信任来建模用户的偏好;最后,将信任信息整合到输入层和隐藏层中,使得两种不同类型的信息融合在一起并学习更可靠的用户语义表示。不同于经典的协同过滤算法,本文利用神经网络整合信任信息的方法将深度学习和社交网络结合到一起来解决评分预测问题,起到了更好的作用。在Filmtrust、Epinions和Douban这三个数据集上进行评分预测时,实验结果证明整合信任信息的预测方法的有效性。特别是补充了隐式信任关系的模型TDAE++,使预测准确性得到了一定程度的提高。

关键词：协同过滤深度学习信任信息降噪自编码器

来源：评论

学校读者我要写书评

暂无评论

一种资源价值信息的识别方法、装置以及存储介质

一种资源价值信息的识别方法、装置以及存储介质

引用

作者：樊鹏 518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层

本申请公开了一种资源价值信息的识别方法、装置以及存储介质，可应用于地图领域。通过获取种子对象及其特征，以训练得到全局模型；并向参与对象发送全局模型，以使得参与对象训练得到参与梯度信息；根据参与对象对应的信任信息针对性... 详细信息

标准号: CN116796253A

本申请公开了一种资源价值信息的识别方法、装置以及存储介质，可应用于地图领域。通过获取种子对象及其特征，以训练得到全局模型；并向参与对象发送全局模型，以使得参与对象训练得到参与梯度信息；根据参与对象对应的信任信息针对性的获取参与梯度信息；进而基于参与梯度信息进行联邦学习，并进行资源价值信息的识别。从而实现基于联邦学习的资源价值信息识别过程，由于采用种子对象进行全局模型的训练，且通过混合差分的方式获取参与梯度参数，避免了信息的泄露，提高了参与对象的梯度信息安全性，提高了资源价值信息识别的准确性。

关键词：价值信息梯度信息全局模型种子对象存储介质对象发送方式获取梯度参数信任信息泄露学习申请应用

来源：评论

学校读者我要写书评

暂无评论

用于提供工业信息服务的系统、方法和计算机可读介质

用于提供工业信息服务的系统、方法和计算机可读介质

引用

作者：斯科特·A·米勒内森·雷诺克里斯托弗·韦恩·科莫纳撒尼尔·S·桑德勒瑞安·P·邓恩小布鲁斯·T·麦克利夫凯尔·赖斯纳斯蒂芬·C·布赖恩特美国俄亥俄州

本申请公开了与工业信息中心的连接。工业信息中心(IIH)用作单个工业生态系统平台，在该平台中多个参与者可以交付与其核心竞争力有关的可重复且标准化的服务。IIH系统围绕生态系统的开发为中心，该生态系统通过数字内容和领域专业知识... 详细信息

标准号: CN114257609B

本申请公开了与工业信息中心的连接。工业信息中心(IIH)用作单个工业生态系统平台，在该平台中多个参与者可以交付与其核心竞争力有关的可重复且标准化的服务。IIH系统围绕生态系统的开发为中心，该生态系统通过数字内容和领域专业知识的聚合创建值并将其递送给用户(包括工业企业、OEM、系统集成商、供应商等)。IIH系统用作生态系统与工厂设施的OT环境之间的受信任信息经纪商，并且提供用于连接资产、对资产数据进行上下文处理并提供对生态系统的安全访问的平台。此外，IIH系统向OEM和其他主题专家提供工具和支持，从而使这些专家能够实现其数字资产以在生态系统中使用。IIH系统降低了工业资产的数字建模的成本和风险。

关键词：生态系统工业信息核心竞争力上下文处理系统集成商安全访问工厂设施领域专业数字建模数字内容数字资产信任信息资产数据供应商可重复聚合资产工业企业标准化交付创建申请开发服务

来源：评论

学校读者我要写书评

暂无评论

医院用户信息管理方法、医疗信息管理系统及主信息管理端

医院用户信息管理方法、医疗信息管理系统及主信息管理端

引用

作者：武青松周秀莉郑佳凤金曌 430000 湖北省武汉市解放大道1277号

本发明公开了医院用户信息管理方法、医疗信息管理系统及主信息管理端，涉及医院用户信息管理技术领域，包括以下步骤：收集用户信息，并将收集到的用户信息录入到医院的信息系统中进行存储；获取信息系统对用户信息进行存储时的事务管... 详细信息

标准号: CN117971816A

本发明公开了医院用户信息管理方法、医疗信息管理系统及主信息管理端，涉及医院用户信息管理技术领域，包括以下步骤：收集用户信息，并将收集到的用户信息录入到医院的信息系统中进行存储；获取信息系统对用户信息进行存储时的事务管理信息和性能优化信息，其中，事务管理信息包括事务日志缓冲区大小信息，性能优化信息包括数据写入并发度信息。本发明通过建立数据质量监控机制和信息一致性隐患感知模型，能够及时感知和评估医院用户信息的数据质量，有效发现信息不一致的隐患，医生在做出诊断和治疗方案时，可以更加信任信息系统中的数据，避免基于错误数据做出错误的医疗决策，从而保障患者的医疗安全。

关键词：用户信息事务管理信息用户信息管理性能优化感知存储医疗信息管理系统缓冲区大小信息数据质量监控信息包括数据信息一致性诊断和治疗错误数据发现信息获取信息事务日志信任信息信息系统医疗安全医疗决策并发度不一致管理端主信息录入写入评估医生

来源：评论

学校读者我要写书评

暂无评论

标准号: CN114257609A

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：