检索结果-内蒙古大学图书馆

作者：汤深伟安徽大学

学位级别：硕士

在当今这大数据时代,人们能够接触到的信息量逐渐复杂,但其中许多信息也许并不是我们所想要的。为了解决这一问题,聚类分析和推荐系统应运而生。K-means聚类具有原理简单,易于实现和收敛速度快的优点,常被用于处理一些聚类问题。但是该... 详细信息

在当今这大数据时代,人们能够接触到的信息量逐渐复杂,但其中许多信息也许并不是我们所想要的。为了解决这一问题,聚类分析和推荐系统应运而生。K-means聚类具有原理简单,易于实现和收敛速度快的优点,常被用于处理一些聚类问题。但是该算法的易受初始中心点影响和无法事先确定k值的缺点限制了它的使用范围。粒子群优化算法具有搜索速度快,易于实现且不易受初始中心点影响的优点,常被用于求解优化问题以及结合其它算法以实现更高效的结果。协同过滤推荐算法的思想是根据用户过去的行为信息分析出用户的喜好并作出个性化推荐,算法的实现简单高效,但是具有不可避免的数据稀疏性和冷启动问题,而且算法的可扩展性差。本文首先研究了K-means聚类算法和粒子群优化算法,针对粒子群优化算法的早熟收敛和无法动态调整权重因子问题提出了混沌搜索过程以及自适应调整因子的改进思想,对粒子群算法进行了改进,进一步提出了基于改进粒子群的Kmeans聚类算法(IPK-means),即利用改进后的粒子群优化算法不易受初始中心影响的优点,为K-means算法搜索寻找较优的初始中心,实验结果表明基于改进粒子群的K-means算法具有更好的聚类效果。然后对协同过滤推荐算法进行了研究,针对协同过滤推荐算法的缺点作出如下改进:(1)使用用户属性矩阵代替用户电影矩阵,以降低数据稀疏性问题;(2)加入IPK-means算法对用户划分聚类以增加算法的可扩展性;(3)加入艾宾浩斯时间曲线,以类比用户的兴趣随时间发生改变。实验结果表明本文的改进算法不仅具有更准确的推荐结果,算法的推荐结果也更加稳定。

关键词： K均值聚类算法粒子群优化算法协同过滤推荐算法艾宾浩斯曲线

来源：评论

学校读者我要写书评

暂无评论

关键字搜索与推荐算法研究及其应用

关键字搜索与推荐算法研究及其应用

引用

作者：姚燕娜山东师范大学

学位级别：硕士

随着互联网的飞速发展，网络的应用领域越来越广泛，网络教学也受到很多的关注和重视。网络教学充分利用现今发达的网络条件，将教学资源信息化和共享化，对以往的教学方式产生了很大的影响，学生可以针对自身需要选择学习内容，没有时... 详细信息

随着互联网的飞速发展，网络的应用领域越来越广泛，网络教学也受到很多的关注和重视。网络教学充分利用现今发达的网络条件，将教学资源信息化和共享化，对以往的教学方式产生了很大的影响，学生可以针对自身需要选择学习内容，没有时间、空间和师资条件的制约，间接提高了师资水平，有效地减少教师的重复劳动，使学习更方便高效和有目的性。本文的主要工作包括以下几方面： (1)针对用户信息搜索的需要，使用关键字搜索算法来帮助用户快速进行查找，并添加了分词搜索算法，对输入的文本语句进行加工处理，将文本语句切分成多个关键字，系统进而根据切分好的关键字继续搜索，所返回的搜索结果会更加精确全面。 (2)将推荐算法与搜索算法结合起来，系统在用户搜索所需内容的同时提供相应的智能推荐功能，显示给用户没有直接搜索的但可能会需要的相关内容，提供个性化的信息服务，方便用户找到更多感兴趣的学习资料。 (3)按照软件开发的思想，设计实现了支持智能搜索与内容推荐的教学系统，系统分为前台和后台两部分，给用户提供个性化的信息服务，实现师生之间的互动交流，帮助用户更方便高效地学习。

关键词：网络教学关键字搜索算法分词搜索算法协同过滤推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于Hadoop的书目推荐算法研究

基于Hadoop的书目推荐算法研究

引用

作者：杨兆坤沈阳工业大学

学位级别：硕士

信息化时代的到来,方便了人们对于信息的获取,但同时也带来了一些问题:过载的信息超出了人们所能处理的范围从而导致无法准确得到自己想要的数据。为了能够帮助人们从资源的海洋中快速、准确的得到自己想要的信息,推荐算法成为了最好的... 详细信息

信息化时代的到来,方便了人们对于信息的获取,但同时也带来了一些问题:过载的信息超出了人们所能处理的范围从而导致无法准确得到自己想要的数据。为了能够帮助人们从资源的海洋中快速、准确的得到自己想要的信息,推荐算法成为了最好的选择。传统的推荐算法较为普遍应用的是协同过滤算法,该算法确实带来了一定程度上的便利,帮助人们节省时间与精力。然而,协同过滤算法本身具有的局限性使得它有时无法精准的为用户推荐想要的内容,比如存在数据稀疏性,可扩展性低以及数据量庞大时计算速度慢等问题。本文基于传统推荐算法,采用Slope One算法解决数据稀疏性的问题。传统的数据矩阵的数据普遍缺失,因此计算得到的结果往往会出现大的偏差。本文通过对未评分的部分进行计算预测,得到预测评分值,再将预测评分值写回到数据矩阵中,降低数据矩阵的稀疏性,从而提高了推荐的精准性。然后使用均值漂移聚类算法对已经弥补了稀疏性的数据实行聚类,将数据分类之后再进行计算,这样可以减小目标对象的最近邻搜寻空间,增加可扩展性,同时也提高了计算结果的准确性。当数据量过多时,如果还是把数据存储在单一的数据库中,此时无论是IO还是CPU都会承受不住压力,因此计算速度将会明显下降,从而推荐的速度也会下降。若此时反复进行计算推荐,甚至会出现推荐偏移、不准确等问题。本文为了解决这一问题,设置虚拟机,在虚拟机上搭建Hadoop集群,将数据分散存储在不同的Hadoop节点中,分担了单个节点的数据存储压力,当进行数据的计算时每在个节点上分别进行计算,最后将结果汇总并输出,这大大提高了计算的速度,能够更好的处理规模庞大的数据集。最后,通过采用对比实验进行分析,表明在经过本文的算法优化后,可以在一定程度上缓解数据的稀疏性以及提高可扩展性。通过开启Hadoop集群不同的节点,分别进行不同节点数时的速度测试,证明了Hadoop集群可以提高计算的速度。

关键词： Hadoop Slope One算法均值漂移聚类算法协同过滤推荐算法

来源：评论

学校读者我要写书评

暂无评论

面向时空的电商药品推荐算法研究与应用

面向时空的电商药品推荐算法研究与应用

引用

作者：祁强郑州大学

学位级别：硕士

随着“互联网+医药”口号的提出,电商平台上的药品无论是种类和数量都呈现了快速的增长。2020年新型冠状病毒的疫情爆发,让人们看到了医药电子商务发挥的价值,医药电子商务已经成为未来的趋势,在我国有很大的发展空间。然而,面对网上海... 详细信息

随着“互联网+医药”口号的提出,电商平台上的药品无论是种类和数量都呈现了快速的增长。2020年新型冠状病毒的疫情爆发,让人们看到了医药电子商务发挥的价值,医药电子商务已经成为未来的趋势,在我国有很大的发展空间。然而,面对网上海量的药品信息,消费者往往不知道如何抉择,想要快速找到适合自己药品是一件困难的事。另一方面,医药电子商务网站每天都产生海量的销售记录,这些数据得到合理的利用。为了解决这些问题,迫切的需要引入个性化推荐系统,利用消费者的以往消费数据,解决药品数量过载的问题。传统的推荐算法没有考虑时空因素对推荐系统的影响,现有的基于时空的推荐算法没有充分考虑药品的特性,往往导致推荐的结果不理想。本文将充分考虑时间和空间对药品的影响,将用户兴趣的变化和药品季节性、区域性的特点相结合,融入到传统的协同过滤推荐算法中,提出基于时空的协同过滤推荐算法,既满足用户的偏好,也能帮助用户进行决策,从而提高药品的推荐质量。主要的研究内容如下:(1)从时间维度考虑对推荐系统的影响,提出基于时间的协同过滤推荐算法。首先,针对用户兴趣会随时间推移而变化特点,引入时间衰减函数;针对药品季节性的变化引入季节加权函数;最后将时间因素融入到协同过滤推荐算法中,以提高推荐的质量。(2)从时空维度考虑对推荐系统的影响,提出基于时空的协同过滤推荐算法。在基于时间的协同过滤推荐算法基础之上,将用户的空间信息融入到推荐算法中,使得在推荐的过程中考虑到时间、地点变化对用户偏好的影响。该算法在基于时间的协同过滤推荐算法基础之上,针对用户的空间信息,采用金字塔模型,将所有用户划分到金字塔每层的节点中,然后在每一层使用基于时间的协同过滤推荐算法得到局部的推荐,最后将局部的推荐结果按照权重进行线性求和得到最终的推荐结果,以提高预测准确度。(3)将本文提出的基于时空的协同过滤推荐算法应用到医药电子商务网站中,设计并实现一个药品个性化推荐原型系统,实现药品个性化推荐的功能。该系统解决新用户冷启动的问题,提高用户对系统平台的满意度,留住系统的老客户,促进商家药品的销售量,对推动医药电子商务的发展具有重要的意义。

关键词：医药电子商务推荐系统时间属性空间属性协同过滤推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于多维特征差异的个性化学习资源推荐方法

引用

系统工程理论与实践 2017年第11期37卷 2995-3005页

作者：李浩君张广王万良江波浙江工业大学教育科学与技术学院杭州310023 浙江工业大学计算机科学与技术学院杭州310023

协同过滤算法和二进制粒子群算法是目前学习资源推荐领域研究热点.然而,协同过滤算法推荐的学习资源过于随机化,不能满足学习者进行整体知识建构的要求.而基于二进制粒子群算法构建的资源推荐模型,以推荐所有学习者完整的学习资源为目标... 详细信息

协同过滤算法和二进制粒子群算法是目前学习资源推荐领域研究热点.然而,协同过滤算法推荐的学习资源过于随机化,不能满足学习者进行整体知识建构的要求.而基于二进制粒子群算法构建的资源推荐模型,以推荐所有学习者完整的学习资源为目标,且模型数据较难预测,不符合在线智能化学习的趋势.针对以上问题,提出了基于多维特征差异的个性化学习资源推荐算法:首先根据学习者和学习资源多维特征差异建立学习资源推荐模型,并考虑了学习偏好;其次引入协同过滤技术对模型数据进行预测;最后针对推荐模型的多目标优化特征,将协同过滤算法和二进制粒子群算法结合,提出了对惯性权重和种群多样性进行动态协同调整的自适应二进制粒子群算法,实现了个性化学习资源推荐.实验证明,该算法具有较好的准确性,能够满足个性化学习资源推荐的需要.

关键词：个性化学习资源推荐多维特征差异自适应二进制粒子群算法协同过滤推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于项目特征与用户兴趣模糊性的推荐算法

引用

软件导刊 2022年第9期21卷 14-18页

作者：黄向春赵芬霞安建业天津商业大学理学院天津300134

为解决项目评分矩阵稀疏性问题,提出结合项目特征和用户评分的模糊性特性。首先利用类高斯模糊数描述项目所属类别的隶属度,然后应用梯形模糊数表示用户对项目的喜爱程度构建用户—项目类别偏好矩阵,最后构建基于项目特征的模糊性和用... 详细信息

为解决项目评分矩阵稀疏性问题,提出结合项目特征和用户评分的模糊性特性。首先利用类高斯模糊数描述项目所属类别的隶属度,然后应用梯形模糊数表示用户对项目的喜爱程度构建用户—项目类别偏好矩阵,最后构建基于项目特征的模糊性和用户兴趣的方法计算推荐信任分。在MovieLens 100k数据集上的实验结果表明,当N取1-300时,在不损失top-N推荐召回率的情况下,该算法相较于基于用户和基于项目的协同过滤推荐算法,平均推荐准确率分别提高了39.97%和5.74%,有效解决了数据稀疏性问题,可在历史行为数据较少的情况下,推荐用户感兴趣的项目。

关键词：协同过滤推荐算法模糊数用户兴趣模型推荐信任分用户偏好矩阵

来源：评论

学校读者我要写书评

暂无评论

高职院校就业推荐系统的算法

引用

计算机与网络 2020年第23期 68-71页

作者：刘西祥永州职业技术学院

分析了传统的基于用户的协同过滤推荐算法和改进的基于用户的协同过滤推荐算法的算法思想和算法步骤,并对2种推荐算法在高职院校就业推荐系统中的应用结果进行了对比,证实了改进的基于用户的协同过滤推荐算法更适用于高职院校就业推荐系... 详细信息

分析了传统的基于用户的协同过滤推荐算法和改进的基于用户的协同过滤推荐算法的算法思想和算法步骤,并对2种推荐算法在高职院校就业推荐系统中的应用结果进行了对比,证实了改进的基于用户的协同过滤推荐算法更适用于高职院校就业推荐系统,提高了相似学生推荐的准确性,推荐的结果也更加符合实际。

关键词：协同过滤推荐算法就业推荐系统聚类分析

来源：评论

学校读者我要写书评

暂无评论

统计学习研究与应用专刊前言

引用

软件学报 2013年第11期24卷 2473-2475页

作者：高阳陈松灿计算机软件新技术国家重点实验室(南京大学) 南京航空航天大学计算机科学与技术学院

机器学习是计算机科学、认知科学、数学、统计学、控制、人工智能等诸多学科的交叉领域.机器学习研究自二十世纪五六十年代的感知机开始起步,经过符号学习、神经网络等技术后,逐步发展成为包含统计机器学习、集成机器学习、强化机器学... 详细信息

机器学习是计算机科学、认知科学、数学、统计学、控制、人工智能等诸多学科的交叉领域.机器学习研究自二十世纪五六十年代的感知机开始起步,经过符号学习、神经网络等技术后,逐步发展成为包含统计机器学习、集成机器学习、强化机器学习的研究领域,并在近年来又涌现出迁移学习、流形学习、概率图模型等新的研究方向.机器学习除了自身研究范围不断延展、研究深度不断深化、基础理论逐步完善之外,其应用领域也不断扩大,甚至成为某些学科的基础性研究工具和支撑技术.与此同时,机器学习技术在软件工程、计算机网

关键词：统计机器学习专刊孪生支持向量机代价敏感子类判别分析概率图模型图像分类人脸检测软子空间聚类协同过滤推荐算法

来源：评论

学校读者我要写书评

暂无评论

一种改进的协同过滤算法在中小企业服务平台的研究与应用

引用

计算机应用与软件 2019年第4期36卷 236-240,294页

作者：喻金平刘娟巫光福曾宪文江西理工大学工程研究院江西赣州341000 江西理工大学信息工程学院江西赣州341000

针对中小企业服务平台的数据特征和分类标准,应用层次分析法AHP(Analytic Hierarchy Process)对该数据做预处理并建立用户属性模型、服务-属性矩阵。提出基于Partition算法改进的协同过滤推荐CFBP(collaborative filtering based on par... 详细信息

针对中小企业服务平台的数据特征和分类标准,应用层次分析法AHP(Analytic Hierarchy Process)对该数据做预处理并建立用户属性模型、服务-属性矩阵。提出基于Partition算法改进的协同过滤推荐CFBP(collaborative filtering based on partition)算法。按平台服务项目的分类标准进行数据库分割,再用Partition求频繁项集,在此基础上进行协同过滤。结果表明,该算法大大提高了推荐准确度和覆盖能力,适用于该平台,助力公益服务和创业发展。

关键词：层次分析法关联规则协同过滤推荐算法企业服务公益服务平台

来源：评论

学校读者我要写书评

暂无评论

协同推荐研究前沿与发展趋势的知识图谱分析

引用

小型微型计算机系统 2018年第4期39卷 814-819页

作者：陈海蛟努尔布力新疆大学信息科学与工程学院乌鲁木齐830046

通过整理分析国内外近15年在协同推荐领域的典型文献,系统地回顾协同过滤推荐算法的的研究关注点、国内的研究脉络和发展规律、国内外研究存在的明显相似共性和局部差异性.文中主要运用Citespace可视化工具,使用科学计量学的分析方法,... 详细信息

通过整理分析国内外近15年在协同推荐领域的典型文献,系统地回顾协同过滤推荐算法的的研究关注点、国内的研究脉络和发展规律、国内外研究存在的明显相似共性和局部差异性.文中主要运用Citespace可视化工具,使用科学计量学的分析方法,对采集的CNKI核心期刊数据和WOS数据整理后进行文献共被引分析和关键词主题词聚类共现分析,绘制出推荐算法关键词演进图谱.通过以上分析对比工作,为我国协同过滤推荐算法相关的研究,提供研究现状和进展的参考.

关键词：推荐算法协同过滤推荐算法可视化分析科学计量学差异性

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：