检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

47 篇 学位论文
24 篇 期刊文献
3 篇 会议

馆藏范围

74 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

68 篇 工学
- 61 篇 计算机科学与技术...
- 56 篇 软件工程
- 7 篇 控制科学与工程
- 3 篇 仪器科学与技术
- 2 篇 机械工程
- 1 篇 材料科学与工程（可...
- 1 篇 建筑学
- 1 篇 化学工程与技术
- 1 篇 城乡规划学
16 篇 管理学
- 13 篇 管理科学与工程(可...
- 3 篇 图书情报与档案管...
- 1 篇 公共管理
2 篇 理学
- 1 篇 数学
- 1 篇 系统科学
1 篇 医学
- 1 篇 临床医学

主题

74 篇 冷启动问题
28 篇 推荐系统
22 篇 协同过滤
7 篇 个性化推荐
6 篇 推荐算法
6 篇 跨域推荐
4 篇 卷积神经网络
3 篇 数据挖掘
3 篇 矩阵分解
3 篇 数据稀疏性
3 篇 电子商务
3 篇 深度学习
3 篇 数据稀疏问题
2 篇 极大频繁项集
2 篇 数据增强
2 篇 自编码器
2 篇 聚类算法
2 篇 hadoop
2 篇 注意力机制
2 篇 关联规则

机构

5 篇 电子科技大学
4 篇 南京邮电大学
3 篇 重庆理工大学
3 篇 北京邮电大学
2 篇 北京交通大学
2 篇 上海师范大学
2 篇 华南师范大学
2 篇 兰州大学
2 篇 清华大学
2 篇 长江大学
2 篇 长春工业大学
2 篇 上海交通大学
2 篇 中国人民大学
2 篇 闽南师范大学
2 篇 内蒙古工业大学
1 篇 华中科技大学
1 篇 信阳师范大学
1 篇 大连理工大学
1 篇 金陵科技学院
1 篇 国防科学技术大学

作者

2 篇 李山山
2 篇 郭佳
2 篇 杜晓娟
2 篇 巫文佳
2 篇 何旭
2 篇 尹雅博
2 篇 杜小勇
2 篇 罗喜军
2 篇 王韬丞
2 篇 刘红岩
2 篇 何军
1 篇 li shuxia
1 篇 lebi jean-marc d...
1 篇 yang huyun
1 篇 王勋
1 篇 邱家新
1 篇 林辰玮
1 篇 张晓彤
1 篇 邢伟
1 篇 zhu xiaofei

语言

73 篇 中文
1 篇 英文

检索条件"主题词=冷启动问题"

共 74 条记录，以下是51-60 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于用户网购行为的推荐算法研究

基于用户网购行为的推荐算法研究

引用

作者：陆卫金重庆邮电大学

学位级别：硕士

信息技术的飞速发展给人们带来便利的同时也导致了信息过载的问题。推荐系统可以挖掘用户兴趣爱好,准确预测用户与项目之间可能存在的链接,这对于缓解信息过载具有重要的意义。推荐系统已经被广泛的应用于电子商务领域,但是仍然面临着... 详细信息

信息技术的飞速发展给人们带来便利的同时也导致了信息过载的问题。推荐系统可以挖掘用户兴趣爱好,准确预测用户与项目之间可能存在的链接,这对于缓解信息过载具有重要的意义。推荐系统已经被广泛的应用于电子商务领域,但是仍然面临着用户数据稀疏,算法冷启动等难题。随着互联网技术的蓬勃发展,电商平台积累了大量的用户上网数据,合理地利用这些用户数据成了改善推荐系统性能的突破口。本文以阿里巴巴电子商务平台为研究背景,通过分析用户网购操作发现用户兴趣偏爱,从而预测用户的购买行为。主要的研究工作如下:对于有过购买行为的老用户,由于用户购物的频率低且很少留下评价信息,推荐系统面临用户数据稀疏问题。本文考虑用户购物过程中的行为特征,提出了基于用户网购行为特征的UIAction算法。该算法收集用户历史操作数据,运用行为模型挖掘用户潜在兴趣,完善用户缺失信息。利用阿里移动推荐算法数据集进行仿真验证,以准确率、召回率和F1综合指标作为评价标准。仿真结果表明UIAction预测效果均优于现有的推荐算法。对于尚未购买但有其他操作行为的新用户,用户的历史信息几乎为零,推荐系统面临冷启动的问题。本文从用户当前购物操作特征入手,挖掘用户兴趣偏好,提出了基于用户行为相似性的冷启动推荐算法。该算法根据群体行为相似性理论,利用子空间聚类算法,将网购操作行为相似的一类用户进行聚类。计算不同类间老用户购买项目的转化率,通过贝叶斯预测模型计算新用户对项目的购买概率,从而给出推荐结果。实验结果表明,该算法能够更准确地描述新用户当前兴趣,提高了推荐算法预测的准确度。

关键词：网购行为推荐算法特征筛选贝叶斯模型冷启动问题

来源：评论

学校读者我要写书评

暂无评论

基于文本分类的肿瘤知识推荐系统的设计与实现

基于文本分类的肿瘤知识推荐系统的设计与实现

引用

作者：邢伟电子科技大学

学位级别：硕士

现阶段,随着国内肿瘤防治形式日趋严峻,肿瘤患者对肿瘤知识的需求愈发迫切,而在“信息过载”的冲击下,传统的信息检索手段已经无法满足用户需求。在这一背景下,肿瘤知识推荐系统的研究势在必行。肿瘤知识推荐系统能够帮助患者在海量医... 详细信息

现阶段,随着国内肿瘤防治形式日趋严峻,肿瘤患者对肿瘤知识的需求愈发迫切,而在“信息过载”的冲击下,传统的信息检索手段已经无法满足用户需求。在这一背景下,肿瘤知识推荐系统的研究势在必行。肿瘤知识推荐系统能够帮助患者在海量医疗相关信息中,挖掘出需要的部分,有利于间接改善患者的生存质量。同时,肿瘤知识推荐系统还能为医患之间的沟通创造媒介,帮助医生通过调查问卷等形式了解患者的病情,进而促成良好的医患关系。冷启动问题是知识推荐系统开发中的一项重要挑战,在系统运行初期,这一问题尤为明显,从用户初次使用系统到能够生成准确的推荐结果往往需要漫长的过程。针对这一问题,本文提出了一种基于LSTM文本分类的冷启动问题解决策略,可以基于患者的住院病案首页和浏览行为,结合LSTM文本多分类算法,快速预测患者的知识偏好,向其推荐感兴趣的内容。首先,本文设计并实现了基于文本分类的冷启动问题初步解决策略,通过训练LSTM模型,实现了对肿瘤知识的疾病分类预测,并结合患者病案首页的ICD-10编码,完成了粗略的推荐,这一策略解决了系统的冷启动问题。然后,针对初步解决策略中的精度不足等问题,本文进一步融合了协同过滤算法,提出了优化后的冷启动问题解决策略,通过分析用户病案首页和浏览行为的相似性,预测用户对文章的评分,并将评分预测结果与LSTM模型的预测结果进行融合,形成最终的混合推荐结果。该策略不仅解决了肿瘤知识推荐的冷启动问题,并能够达到较高的推荐精度。基于以上策略,本文设计并实现了肿瘤知识推荐系统,系统能够采集用户的浏览时长、文章评分等信息,并上传到服务端,还存储了患者的住院病案首页信息,在用户完成病案首页关联后,可以根据用户的病案首页、浏览行为等,由算法服务器生成文章推荐列表,并通过微信公众号,定期向用户提供文章推送服务。

关键词：冷启动问题 LSTM分类肿瘤知识推荐

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的音乐推荐系统

基于卷积神经网络的音乐推荐系统

引用

作者：何蓉南京邮电大学

学位级别：硕士

随着数字多媒体技术的不断发展,音乐库变得越来越大,音乐资源越来越丰富,如何让用户在浩瀚如海的音乐世界里高效地获取自己感兴趣的歌曲便成了一个难题。针对这种现象,个性化音乐推荐系统应运而生。然而,虽然现有的音乐推荐系统种类繁多... 详细信息

随着数字多媒体技术的不断发展,音乐库变得越来越大,音乐资源越来越丰富,如何让用户在浩瀚如海的音乐世界里高效地获取自己感兴趣的歌曲便成了一个难题。针对这种现象,个性化音乐推荐系统应运而生。然而,虽然现有的音乐推荐系统种类繁多,但推荐效果良莠不齐,或多或少都存在一些问题。卷积神经网络是近年发展起来,并引起广泛重视的一种高效的深度学习方法,被广泛应用于图像识别、自然语言处理等多个领域,并且取得了比传统机器学习更好的效果。鉴于此,本文提出了基于卷积神经网络的音乐推荐系统。本文提出的音乐推荐系统包括用户建模模块、音频特征提取模块和推荐算法模块等。推荐算法的基本思路是:首先对音乐用户历史行为信息进行采集,利用隐语义模型矩阵分解的方法构建出用户偏好模型;接着对系统中的音频资源进行预处理,并提取出能够代表音乐特征的梅尔频谱图;然后对卷积神经网络进行训练获得音乐潜在特征预测的回归模型,将用户和音乐投影到一个共享的隐空间中;最后通过计算用户偏好特征与音乐潜在特征之间的相似性为目标用户产生TopN推荐。本文对所提出的推荐算法进行了系统性地实验,自行构建了模型训练和测试的用户-音乐数据集,并在典型的卷积神经网络模型的基础上设计了系统实验所用的网络模型结构,同时对模型训练调优参数进行了对比和选择。最后,本文对模型进行了训练和测试,并利用均方根误差、准确率、召回率以及F1值等作为推荐质量评价指标,从预测评分准确性和生成推荐列表准确性两个方面对系统进行了评估。实验结果表明,本文的推荐算法具有一定的可行性和有效性。相比其他传统的音乐推荐算法,本文充分利用了深度神经网络自动提取特征的强大优势,从音频内容中获取更高层的音乐特征表示,同时融入用户对音乐交互的历史行为信息,可有效地缓解了推荐系统中存在的冷启动等问题。

关键词：数字音乐推荐系统卷积神经网络矩阵分解冷启动问题

来源：评论

学校读者我要写书评

暂无评论

基于映射的跨域推荐算法研究

基于映射的跨域推荐算法研究

引用

作者：郭佳长春工业大学

学位级别：硕士

跨域推荐作为近几年兴起的一个领域,受到研究人员的广泛关注,成为了推荐系统中热门的研究方向。跨域推荐的原理是基于迁移学习的思想,利用多个领域中比单个领域更丰富的数据信息,有效地在不同领域之间迁移知识,提高推荐算法性能。现有... 详细信息

跨域推荐作为近几年兴起的一个领域,受到研究人员的广泛关注,成为了推荐系统中热门的研究方向。跨域推荐的原理是基于迁移学习的思想,利用多个领域中比单个领域更丰富的数据信息,有效地在不同领域之间迁移知识,提高推荐算法性能。现有的大多数跨域推荐算法没有多方面考虑领域内的交互信息,导致了用户特征获取单一的问题。为了更好地解决以上问题,从多维度挖掘用户特征,提高推荐算法的准确率,本文提出了两种基于映射的跨域推荐算法模型,主要研究工作如下: (1)为了多维度挖掘用户的潜在特征,更好地缓解冷启动问题,本文提出了融合元学习和注意力机制的跨域推荐算法模型(Integrating Meta learning and Attention mechanisms Cross Domain Recommendation algorithm Model,MACDR),首先,在特征提取模块中,将改进后的卷积神经网络和前馈神经网络相结合,并将注意力机制融入其中,可以从多个维度全面准确地提取源域的用户特征。其次,为了更好地缓解冷启动问题,在多层元网络模块中,创新性地重构了元网络的内部结构,加入了多层前馈神经网络模块和注意力机制模块,使元网络可以更好地学习用户嵌入,生成更具个性化的连接桥,完成源域到目标域的映射。最后,在不同的冷启动场景下,与其他基线模型进行对比实验,实验结果表明,本文所提出的MACDR模型与PTUPCDR模型相比可以更好地缓解了冷启动问题,提高了推荐算法的准确率。 (2)为了避免用户特征获取单一的问题,更好地缓解信息茧房现象,在上述模型的基础上提出了基于多路映射的跨域推荐算法改进模型(Based on Multi Channel Mapping Cross Domain Recommendation Algorithm Improve Model,MCMCDR),首先,为了适应目标域用户项目交互较少的现象,对目标域的元网络结构进行修改,加入了先验正则化迭代模块和最大化联合似然函数,帮助模型避免过拟合现象,提高泛化能力。其次,为了捕获用户兴趣的多个方面,避免特征获取单一问题,在特征提取模块中引入了多头注意力机制,从源域用户的交互序列中提取用户的可迁移特征。接着,提出了多路映射结构,通过整合来自源域和目标域的不同参数,生成更具个性化的连接桥,提高推荐算法的准确率。最后,在公开数据集上与基线模型进行对比实验,实验结果表明,MCMCDR模型与MACDR模型相比可以更加全面地挖掘用户的潜在兴趣,缓解信息茧房现象的同时提高推荐算法的准确率。

关键词：跨域推荐冷启动问题元网络个性化推荐多头注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于用户兴趣挖掘的跨域推荐算法研究

基于用户兴趣挖掘的跨域推荐算法研究

引用

作者：尹雅博重庆理工大学

学位级别：硕士

随着互联网应用的发展,人们饱受信息过载问题的困扰。而推荐系统由于其可以筛选用户感兴趣的内容并向其进行主动推荐的特性,从而在各种应用场景中被广泛地应用。尽管推荐系统能够有效地缓解实际场景中的信息过载问题,但是在冷启动场景(... 详细信息

随着互联网应用的发展,人们饱受信息过载问题的困扰。而推荐系统由于其可以筛选用户感兴趣的内容并向其进行主动推荐的特性,从而在各种应用场景中被广泛地应用。尽管推荐系统能够有效地缓解实际场景中的信息过载问题,但是在冷启动场景(用户交互信息极端稀疏或无交互历史场景)中,由于过于匮乏的交互信息导致传统推荐方法在针对冷启动用户进行推荐的效果难以满足实际需求。相较于传统推荐方法,跨域推荐(Cross-Domain Recommendation)可以挖掘用户在其他领域(源域)中的交互信息来缓解当前领域(目标域)中的数据稀疏与冷启动问题。因此利用跨域推荐来缓解冷启动问题在工业应用上和学术研究上受到了越来越多的关注。本文致力于从用户兴趣可迁移性角度来对跨域推荐任务展开研究,致力于挖掘并迁移用户在不同领域中的兴趣偏好进而解决推荐系统中的冷启动问题。在本文研究中提出了两种不同的基于用户兴趣挖掘的跨域推荐模型,并在两个模型上进行了大量实验来验证模型的有效性。本研究工作内容主要如下: 多兴趣元网络与多粒度目标指导的跨域推荐模型。在以往的研究工作中,如PTUPCDR等,通过挖掘源域用户的兴趣偏好来构建个性化跨域映射函数,从而实现用户嵌入的跨域映射并取得了显著的效果。然而这些工作却忽略了用户兴趣的丰富性和复杂性,并且目标域中的指导信息也没有被充分地探索。为了解决上述问题,本文从用户兴趣可迁移性角度上提出了一种新的跨域推荐模型:多兴趣元网络与多粒度目标指导的跨域推荐模型(MIMNet)。在MIMNet中通过引入胶囊网络来显式地解耦用户在源域中的多个兴趣偏好并整合元网络将多个兴趣转化为多个兴趣桥,实现用户嵌入在兴趣粒度上的个性化映射。此外,为了充分地探索目标域中的指导信号,通过引入了多粒度目标指导注意力机制和自适应融合机制来融合生成最终的用户嵌入并完成对候选商品的评分任务。最后在真实世界数据集的三个跨域推荐任务上进行的广泛实验表明MIMNet在冷启动场景中优于之前的基线方法,并且在不同基础模型进行的额外实验验证了所提出方法具有良好的泛化能力。源域数据增强与多兴趣细化迁移的跨域推荐模型。尽管之前的方法都取得了不错的效果,然而之前的工作中均忽视了用户在源域中的交互信息可能并不丰富这一事实,并且源域用户存在的多个兴趣之间的关联性也没有被充分地建模。在本项工作中提出了一种源域数据增强与多兴趣细化迁移的跨域推荐模型(CDR-ART)来解决上述问题。该模型首先提出使用了一种源域数据增强策略,为每个用户在源域中生成一个经过去噪选择的辅助序列来缓解用户在源域中的交互数据稀疏问题。随后,通过使用双序列多兴趣提取模块和多兴趣细化迁移模块来完成兴趣提取与多个兴趣的细化迁移。最终在公开数据集的三个跨域推荐评测任务中,本方法与目前最优的模型相比均取得了最优的表现,证明了本文提出方法的有效性。

关键词：跨域推荐冷启动问题个性化映射用户兴趣挖掘数据增强

来源：评论

学校读者我要写书评

暂无评论

常见推荐系统算法及提高系统召回率的混合推荐算法的介绍

常见推荐系统算法及提高系统召回率的混合推荐算法的介绍

引用

作者：邱家新南开大学

学位级别：硕士

随着互联网技术的迅猛发展，数据出现爆炸式的增长，在信息制造者和信息使用者之间存在的信息不对称现象越来越严重。如何快速、有效地不同的用户提出个性化的建议，已经成为互联网企业的首要目标。以个性化推荐技术为代表的推荐系统就... 详细信息

随着互联网技术的迅猛发展，数据出现爆炸式的增长，在信息制造者和信息使用者之间存在的信息不对称现象越来越严重。如何快速、有效地不同的用户提出个性化的建议，已经成为互联网企业的首要目标。以个性化推荐技术为代表的推荐系统就是解决双方问题的主要工具。\n 本文主要介绍了推荐系统的几个经典算法，协同过滤算法，隐语义模型算法，SVD矩阵分解算法，混合推荐算法以及上述算法的几个改进方法。然后还介绍了推荐系统的评测指标以及推荐系统的冷启动问题。\n 首先，本文对个性化推荐系统的背景和发展情况进行了介绍和说明。其中对推荐系统的评价指标和推荐系统的冷启动问题进行了比较详细的说明，评价指标主要有准确率、覆盖率和多样性。冷启动问题主要有用户冷启动、物品冷启动和系统冷启动。\n 其次，本文深入研究了基于邻域的算法，隐语义分析技术和混合推荐技术。基于邻域的算法中着重介绍了相似度的几种计算方法，主要有欧式距离、jaccard相似系数、余弦相似度和皮尔逊相似系数，在此基础上进一步介绍了基于用户的协同过滤算法和基于物品的协同过滤算法。针对隐语义模型LFM，又深入介绍了SVD矩阵分解算法。\n 最后，提出了基于多种经典推荐算法的混合推荐算法。该混合算法是将多种经典推荐算法针对同一个用户的推荐结果取并集，这样推荐能够使得推荐算法的召回率变高。然后在MovieLens用户电影评分数据集上验证了该混合推荐算法。

关键词：互联网推荐系统协同过滤算法隐语义模型算法 SVD矩阵分解算法混合推荐算法评测指标冷启动问题

来源：评论

学校读者我要写书评

暂无评论

基于Spark平台的实时流计算推荐系统的研究与实现

基于Spark平台的实时流计算推荐系统的研究与实现

引用

作者：张贤德江苏大学

学位级别：硕士

用户在面对海量信息时无法从中获得对自己真正有用的那部分信息,对信息的使用效率反而降低,这就是信息超载问题。推荐系统是一种解决信息超载问题非常有效的办法,它根据用户的信息、兴趣等,将用户感兴趣的信息或商品推荐给用户。然而,... 详细信息

用户在面对海量信息时无法从中获得对自己真正有用的那部分信息,对信息的使用效率反而降低,这就是信息超载问题。推荐系统是一种解决信息超载问题非常有效的办法,它根据用户的信息、兴趣等,将用户感兴趣的信息或商品推荐给用户。然而,现有的推荐系统大多是通过定期计算来更新推荐结果,造成推荐结果不够精确,这就是推荐系统的实时性问题。另外,对于新加入的用户或商品由于缺少必要的数据,因此无法对其产生推荐,这就是所谓的冷启动问题。针对上述问题,本文旨在解决推荐算法的冷启动问题和推荐系统的实时性问题,并设计与实现一个基于Spark实时流计算的推荐系统,即根据实时数据更新推荐结果。本文的主要研究内容包括:(1)针对推荐算法的冷启动问题,提出基于聚类与特征映射的矩阵分解算法。该算法首先对用户/商品的属性信息进行聚类,得出新用户/新商品的k个最近邻。然后对新用户/新商品进行特征映射,用k近邻的特征信息计算出新用户/新商品的特征向量,有了这些特征向量就可以对新用户/新商品进行推荐,解决了算法的冷启动问题。实验表明本文提出的基于聚类与特征映射的矩阵分解算法的推荐结果更加精确。(2)针对推荐系统的实时性问题,设计一个能够实时计算的流处理架构。该架构把推荐系统分成离线计算和在线计算两部分,能够充分利用传统的离线推荐算法,并结合在线处理方法,提高推荐系统实时计算的能力。所设计的实时推荐系统采用Spark做在线处理,并且能够根据用户在线评分和历史评分数据集来实时计算,实现了推荐结果的实时更新。(3)基于Spark的实时流计算推荐系统的设计与实现。首先对实时流计算的推荐系统进行需求分析,包含功能需求分析、性能需求分析和总体架构分析。然后对系统进行设计,包括三个关键模块:一是对模拟用户评分模块进行设计,包含数据的范围、数据的格式和数据产生的频率及数量等。二是对基于Spark Streaming的实时流计算模块进行设计,包含实时流计算和一些关键性的功能的设计。三是基于MLlib对推荐引擎模块进行设计,包含模型的训练、模型的测试和推荐商品等。最后完成了实时流计算的推荐系统的实现,主要实现模拟用户评分、实时流计算和推荐引擎三个主要功能。

关键词：冷启动问题实时性问题实时流计算在线计算推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于改进协同过滤算法的学习资源推荐系统的研究与实现

基于改进协同过滤算法的学习资源推荐系统的研究与实现

引用

作者：陈涛苹南昌航空大学

学位级别：硕士

随着网络科技的飞速发展，网络上的信息量极剧增长，满足了用户对信息资源的需求。但是，海量的信息资源导致用户很难找到符合自身需求的资源，从而出现“信息过载”的问题。推荐系统是解决这个问题有效方法，它能够主动给用户推荐合适... 详细信息

随着网络科技的飞速发展，网络上的信息量极剧增长，满足了用户对信息资源的需求。但是，海量的信息资源导致用户很难找到符合自身需求的资源，从而出现“信息过载”的问题。推荐系统是解决这个问题有效方法，它能够主动给用户推荐合适的资源，以满足不同用户对资源需求。协同过滤技术是目前推荐系统中应用最广泛且较为成熟的一种技术。但是，其仍然存在一些问题，如推荐结果准确度低、项目冷启动等问题，在这些问题上尚有巨大的研究空间。本文针对协同过滤算法展开深入的研究与探讨，分别提出了融合时间因素和结合项目属性信息特征的两种改进协同过滤算法，同时基于这两种算法设计并实现了一个学习资源推荐系统，为用户推荐合适的学习资源。　　考虑到用户的兴趣偏好随时间动态变化的，本文将时间因素融入协同过滤推荐算法中，该算法在计算物品相似度时，引入时间因子权重来修正物品的相似度以提升推荐准确度。实验结果证明，融合了时间因素的协同过滤算法提升了推荐准确度，该算法的推荐结果满足了不同用户的需求，其中F1值达到了23%左右，与传统的协同过滤算法比有所提升。其次，针对项目冷启动问题，提出了结合项目属性信息特征的协同过滤推荐算法。该算法结合项目属性信息特征进行推荐，通过实验表明，结合了项目属性信息特征的改进算法提高了推荐精度，其中MAP指标值达到了约30%，同时在一定程度上缓解了项目冷启动问题。　　最后，本文设计并实现了一个学习资源推荐系统，将融合时间因素和结合项目属性信息特征的协同过滤推荐算法应用于系统中，实现了学习资源的比较准确地推荐，效果良好。

关键词：软件工程推荐系统协同过滤时间因素项目属性信息特征冷启动问题

来源：评论

学校读者我要写书评

暂无评论

面向燃气具的用户个性化推荐模型研究

面向燃气具的用户个性化推荐模型研究

引用

作者：李南南中国石油大学(北京)

学位级别：硕士

随着国家煤改气策略的实施,燃气具产品正面临着新一轮的发展机遇,具有广阔的市场需求。在电子商务空前发展的时代,网络购物已涉及到了多种多样的产品,其中也包括燃气具产品。在这样的背景下,燃气具线上销售商面临着激烈的市场竞争。对... 详细信息

随着国家煤改气策略的实施,燃气具产品正面临着新一轮的发展机遇,具有广阔的市场需求。在电子商务空前发展的时代,网络购物已涉及到了多种多样的产品,其中也包括燃气具产品。在这样的背景下,燃气具线上销售商面临着激烈的市场竞争。对电子商务销售商而言,为用户提供个性化推荐是提升自己核心竞争力和吸引顾客的有利策略,但目前线上的燃气具销售商在提供产品推荐时多是基于产品的价格、销量等筛选功能,并没有提供针对具体用户的个性化推荐功能,故产生了燃气具线上销售商对用户个性化推荐模型的强烈需求。目前,解决电子商务个性化推荐问题的方法有很多,其中协同过滤推荐方法、基于内容的推荐方法以及基于关联规则的推荐方法最为普及。此外,为了更加有效地解决个性化推荐问题,学者们还在这些方法的基础上进行不断的改善与创新,将聚类思想、信任机制、大数据分析等思想融入其中。但目前对个性化推荐的研究仍存在一定的问题,其中数据稀疏性、冷启动问题以及方法延展性问题较为突出。本研究为了帮助燃气具销售商更加有针对性地进行营销推荐,提出了一个面向燃气具的用户个性化推荐模型。此模型利用基于用户的协同过滤思想进行推荐,并在计算相似用户时加入了用户属性信息,以使模型不仅适用于存在购买信息的历史用户,也适用于仅有注册信息的新用户。同时,本文在模型中将燃气具产品分为有销售记录和无销售记录两种情形来进行推荐,解决了燃气具产品的冷启动问题。最后,本文运用仿真模拟数据集进行了模型的案例分析,并通过与传统推荐排序方式的对比验证了本模型的可行性,以及通过进行样本集与测试集实验,证明了本模型的有效性。

关键词：燃气具个性化推荐冷启动问题协同过滤产品偏好序

来源：评论

学校读者我要写书评

暂无评论

基于特征映射的跨域推荐方法研究

基于特征映射的跨域推荐方法研究

引用

作者：段乐乐重庆理工大学

学位级别：硕士

在信息过载问题日益突出的当下,推荐系统作为一种十分有效的解决办法,近年来越来越受到重视,并被广泛应用于各种各样的场合中,如电子商务系统、社交网络系统等,极大方便了人们的生活。尽管推荐系统已经较好解决了信息过载问题,但冷启动... 详细信息

在信息过载问题日益突出的当下,推荐系统作为一种十分有效的解决办法,近年来越来越受到重视,并被广泛应用于各种各样的场合中,如电子商务系统、社交网络系统等,极大方便了人们的生活。尽管推荐系统已经较好解决了信息过载问题,但冷启动问题的存在却成为了限制其性能进一步提升的瓶颈。近年来,随着对推荐系统研究的深入,如何解决冷启动问题也逐渐成为了广大推荐系统研究者们十分关注的热点问题之一,并相继提出了一系列十分有效的模型。跨域推荐系统作为缓解冷启动问题的思路之一,近年来也越来越受到关注,并且取得了不错的推荐效果。本文主要致力于应用基于映射的跨域推荐技术解决推荐系统中的冷启动问题,提出了两种不同的基于映射的跨域推荐模型,并进行了大量实验验证了模型的有效性,其研究工作内容主要如下:目标域特征感知与互补用户迁移的跨域推荐模型。目前,基于映射的跨域推荐技术在解决冷启动问题上已取得了十分不错的效果,其方法主要分为两类,一类关注共性,即所有用户共享一个映射函数;另一类则关注个性,即为每个用户分别分配个性化的映射函数。然而,这两类方法均没有考虑到用户共性与个性的互补性。此外,这两类方法也忽视了目标域知识本身的挖掘。为解决以上问题,本文提出了目标域特征感知与互补用户迁移的跨域推荐模型。一方面,提出个性-共性互补映射模块以显式建模用户个性和共性的互补信息,另一方面,提出了关系网络以挖掘目标域知识。最后,在Amazon数据集上的实验取得了目前最优的效果,验证了本文所提出模型的有效性。联合元网络与对比学习的目标提升跨域推荐模型。通过利用源域的辅助信息,跨域推荐系统提供了一种十分有效的用于缓解目标域数据稀疏性问题的方法。最近,基于元学习的推荐方法相继被提出并取得了最优的性能。然而,这些方法仅利用源域信息来学习迁移桥而忽视了丰富目标域信息。并且,它们要么使用一个公共桥要么使用一个个性化桥来转换用户表示,忽视了用户的多粒度的特征。在本文中,提出了联合元网络与对比学习的目标提升跨域推荐模型来解决上述问题。具体地,本文提出了目标桥来引入目标域信息进而引导用户偏好迁移的学习过程。另外,本文还提出了多粒度迁移机制来建模用户在源域和目标域之间的复杂偏好的迁移模式。最后,本文提出了目标感知对比学习模块以获得更好的用户表示。三个不同跨域推荐任务的实验结果显著优于所有基线模型,验证了本文提出的跨域推荐模型的有效性。

关键词：跨域推荐冷启动问题元网络推荐系统迁移学习

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共8页 << < 1 2 3 4 5 6 7 8 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：