检索结果-内蒙古大学图书馆

金融电子化 2014年第3期 80-81页

作者：贺青春长沙银行

推荐算法目前已被广泛用于互联网业务中,极大地提升了用户体验,其中使用最广泛、最成功的是协同推荐算法。它分为基于用户的和基于项目的,亦可被应用于银行营销系统。本文将银行营销系统的两种需求分别对应到算法中,建立了两个推荐模型... 详细信息

推荐算法目前已被广泛用于互联网业务中,极大地提升了用户体验,其中使用最广泛、最成功的是协同推荐算法。它分为基于用户的和基于项目的,亦可被应用于银行营销系统。本文将银行营销系统的两种需求分别对应到算法中,建立了两个推荐模型,将有助于银行精准营销和交叉营销。

关键词：银行最近邻居金融机构客户群协同过滤推荐算法矩阵数学分析营销系统客户经理

来源：评论

学校读者我要写书评

暂无评论

数据缺失下的IFRSIFCM协同过滤推荐算法

引用

控制工程 2022年第3期29卷 542-550页

作者：张艳菊马璐辽宁工程技术大学工商管理学院辽宁葫芦岛125105

为了进一步提高协同过滤算法的精确性,更好地满足用户需求、进行商品推荐,针对传统推荐算法存在的缺失数据和模糊性问题,构建了直觉模糊粗糙集和基于目标函数的直觉模糊C均值聚类相结合的协同过滤推荐算法(IFRSIFCM-CF)。算法首先运用... 详细信息

为了进一步提高协同过滤算法的精确性,更好地满足用户需求、进行商品推荐,针对传统推荐算法存在的缺失数据和模糊性问题,构建了直觉模糊粗糙集和基于目标函数的直觉模糊C均值聚类相结合的协同过滤推荐算法(IFRSIFCM-CF)。算法首先运用直觉模糊粗糙集对缺失数据进行处理,并计算直觉模糊数;其次用密度函数初始化聚类中心,并通过直觉模糊C均值聚类找到目标用户所在聚类类别;最后用特征系数代替传统相似系数来确定邻居集,用优先关系定序法代替传统的推荐算法形成推荐列表。在MovieLens与Jester数据集上对算法进行有效性检验,实验结果表明所提算法能够有效解决数据缺失问题并提高推荐精度。

关键词：模糊C均值聚类协同过滤推荐算法直觉模糊粗糙集缺失数据

来源：评论

学校读者我要写书评

暂无评论

协同过滤推荐算法在智慧图书馆中的应用

引用

科技资讯 2021年第33期19卷 149-151页

作者：侯婷吉林师范大学博达学院吉林四平136000

以数字化、智慧化为特征的智慧图书馆已经是时代所需,其资料获取和服务的智慧化需要良好的资源协同,因此,可采用协同过滤推荐算法进行资源整合以提高服务效率。该文从智慧图书馆的构建入手,基于大数据平台,以协同过滤推荐算法为核心进... 详细信息

以数字化、智慧化为特征的智慧图书馆已经是时代所需,其资料获取和服务的智慧化需要良好的资源协同,因此,可采用协同过滤推荐算法进行资源整合以提高服务效率。该文从智慧图书馆的构建入手,基于大数据平台,以协同过滤推荐算法为核心进行图书推荐,实现为用户提供个性化的内容,可减少、解决用户在选择图书过程中所遇到的困难,提高借阅精准化服务效率,兼顾个性化需要的满足率,最终实现智慧化图书馆的全方位服务提升。

关键词：协同过滤推荐算法智慧图书馆个性化推荐精准服务

来源：评论

学校读者我要写书评

暂无评论

电子商务系统中协同过滤推荐算法研究

引用

商场现代化 2008年第14期 137-139页

作者：陈孟建浙江经贸职业技术学院

针对电子商务发展的需求,本文通过对协同过滤推荐算法的文献综述,提出传统过滤算法无法适用于用户多兴趣下的推荐问题进行了剖析,提出了一种基于用户多兴趣的协同过滤推荐改进算法,分析了基于用户多兴趣的协同过滤推荐算法的电子商务系统。

关键词：电子商务系统协同过滤推荐算法算法研究

来源：评论

学校读者我要写书评

暂无评论

基于CLSVSM的协同过滤推荐算法研究

基于CLSVSM的协同过滤推荐算法研究

引用

作者：徐倩丽山西大学

学位级别：硕士

现如今互联网“信息过载”以及互联网用户“信息迷航”的形势越来越严峻,为了应对这些问题,推荐系统因其具有过滤信息的功能被大规模应用在社会网络、电子商务、个性化娱乐等众多领域。作为推荐领域中被广泛研究的协同过滤推荐算法,相... 详细信息

现如今互联网“信息过载”以及互联网用户“信息迷航”的形势越来越严峻,为了应对这些问题,推荐系统因其具有过滤信息的功能被大规模应用在社会网络、电子商务、个性化娱乐等众多领域。作为推荐领域中被广泛研究的协同过滤推荐算法,相似度的计算是其核心,但用户评分矩阵的稀疏会导致相似度计算准确度大大下降,从而降低推荐结果的准确度。针对这一问题,文章在传统的协同过滤基础上提出了基于共现潜在语义向量空间模型(CLSVSM)的推荐算法,将共现分析理论与方法应用于推荐中,通过挖掘用户评分信息的潜在共现关系,以共现强度估计评分缺失单元,不仅得出合理评分,且弱化由于评分稀缺对推荐准确度的影响。本文先通过CLSVSM对项目以及用户进行二元与三元共现分析,得到项目(用户)共现矩阵以及项目(用户)共现相对强度矩阵,然后利用项目(用户)之间的潜在共现关系,通过加权平均法和最大值法两种方法对原始评分矩阵中的缺失单元进行评分估计,最后利用新得到的评分矩阵来进行基于项目和基于用户的协同过滤推荐,在此基础上得到基于项目共现的协同过滤推荐算法和基于用户共现的协同过滤推荐算法。为了验证理论的有效性,文章利用均方根误差与平均绝对误差两个评价指标对改进算法进行了多组实验分析与比较,在实验验证了算法具有优良性的基础上,进一步对两种补全方法做了比较。最后,本文将推荐结果做了可视化展示。实验结果表明:基于项目共现和基于用户共现进行的推荐结果较传统协同过滤算法都表现出更加准确的推荐结果,说明基于共现关系计算出的电影(用户)之间的相似性更准确,有效地减小了数据稀疏性对推荐结果的影响,显著提高了推荐质量。另外,通过对实验结果的分析发现,加权平均法更适合用于基于二元共现的推荐算法中,最大值法更适合用于基于三元共现的推荐算法中。

关键词：共现分析评分矩阵协同过滤推荐算法相似性相对共现强度

来源：评论

学校读者我要写书评

暂无评论

融合相似度与信任度协同过滤推荐算法应用研究

融合相似度与信任度协同过滤推荐算法应用研究

引用

作者：李慧北京工业大学

学位级别：硕士

随着网络信息技术和电子商务的快速发展，网络数据不断膨胀，用户很难快速有效地找到自己需要的信息，引发了信息过载问题。电子商务海量的产品使用户很难快速锁定和发现自己到底对什么样的商品有兴趣，对于在网站上销售的企业来说当然... 详细信息

随着网络信息技术和电子商务的快速发展，网络数据不断膨胀，用户很难快速有效地找到自己需要的信息，引发了信息过载问题。电子商务海量的产品使用户很难快速锁定和发现自己到底对什么样的商品有兴趣，对于在网站上销售的企业来说当然也希望能够精准的推荐自己的商品，来提高销量，增加收益。电子商务推荐系统正是为了解决这个问题而出现，协同过滤推荐在推荐系统中普遍运用，广为熟知，并且推荐的效果令人满意，但传统的协同过滤推荐算法存在多种问题，包括数据稀疏性、冷启动和可扩展性等。　　论文针对协同过滤算法中存在的数据稀疏性问题，不仅考虑传统协同过滤推荐中的用户相似度，而且也考虑了信任因素，形成了既考虑相似度又考虑用户信任度的推荐算法，最终达到减少稀疏，进一步提高推荐信息的准确有效。以下介绍本文研究工作:　　(1)介绍推荐系统的组成和核心，引出推荐算法，以及协同过滤推荐算法的步骤和存在的问题，考虑信任进一步阐述了信任方面的知识。　　(2)由于评分数据稀疏性带来的推荐准确率低的问题，论文提出了融合用户相似度与信任度的协同过滤推荐算法。在用户相似度的基础上，引入信任关系，包括直接信任度和间接信任度，间接信任是对直接信任的传播计算得出的。相似度和信任度融合之后形成相关度，整体作为推荐权重，选择出被推荐用户的最近邻居集合，进行推荐。　　(3)对设计的算法编程检验是否达到了预期的效果。通过实验数据结果分析得到本文相似度与信任度相融合的方式在MAE表现来看，效果比传统的推荐更佳。本文算法实现了预期目的，可以为用户提供更加准确的推荐。　　(4)设计一个电影推荐系统对算法的实验效果进行了检验，实际效果达到了预期。

关键词：电子商务推荐系统协同过滤推荐算法相似度信任度

来源：评论

学校读者我要写书评

暂无评论

基于满意相似度的协同过滤推荐算法研究

基于满意相似度的协同过滤推荐算法研究

引用

作者：李贝娜燕山大学

学位级别：硕士

近年来,随着以互联网络为平台的各种电子商务网站的日益盛行,网上购物、在线支付日渐成为人们生活中必不可少的存在。推荐系统如何更加准确、更加快速,高效率的推荐符合用户兴趣偏好的项目,就成为了搭建坚固结实“桥梁”的关键,也是目... 详细信息

近年来,随着以互联网络为平台的各种电子商务网站的日益盛行,网上购物、在线支付日渐成为人们生活中必不可少的存在。推荐系统如何更加准确、更加快速,高效率的推荐符合用户兴趣偏好的项目,就成为了搭建坚固结实“桥梁”的关键,也是目前众多研究者研究各类算法的目的。本文正是围绕这一问题深入展开研究的。首先,本文简单阐述了个性化推荐系统中常用的各种推荐技术尤其是协同过滤技术,充分了解了协同过滤算法的原理及分类。除此之外,本文详细介绍了几种经典算法的具体过程,认真研究分析了这些算法的优点以及缺点,同时给出了一些改善的思路。其次,本文通过对经典协同过滤推荐算法的研究,结合用户的个性特点分析,发现传统的协同过滤算法中存在的问题,提出了一种基于满意相似度的协同过滤算法。使得用户个人的局部特征与用户之间的相似性相结合,通过用户的历史数据更加准确的把握用户的兴趣偏好信息,同时也考虑了用户之间共同评价数目对相似度的影响,更加准确的预测用户评分。再次,本文针对协同过滤算法面临的数据稀疏性的问题,结合本文提出的满意相似度计算方法,得到了融合的Slope One算法,弥补了Slope One算法中没有考虑用户之间相似关系的问题。最后,本文运用MATLAB软件进行验证实验,运用提出的算法计算得到用户评分预测值,通过MAE和RMSE两个指标对结果进行评估,并与其他算法进行对比实验,分析评估结果,验证改进算法的可行性和有效性。

关键词：个性化推荐系统协同过滤推荐算法数据稀疏性满意相似度 Slope One算法

来源：评论

学校读者我要写书评

暂无评论

结合矩阵分解的协同过滤推荐算法研究

结合矩阵分解的协同过滤推荐算法研究

引用

作者：袁成哲华南师范大学

学位级别：硕士

如今大数据时代，数据的稀疏性问题日益严重，传统的单一协同过滤推荐算法很难保证较高的推荐精度。而社交网络的快速发展，使得更多类似于好友关系、标签内容的多元化信息可以融入到协同过滤推荐算法来推高推荐质量。矩阵分解算法作为... 详细信息

如今大数据时代，数据的稀疏性问题日益严重，传统的单一协同过滤推荐算法很难保证较高的推荐精度。而社交网络的快速发展，使得更多类似于好友关系、标签内容的多元化信息可以融入到协同过滤推荐算法来推高推荐质量。矩阵分解算法作为当今推荐系统的热门算法之一，通过分解得到的用户和项目隐性特征矩阵来预测用户的偏好，由于它易于实现，扩展性好等特点受到了学者的广泛关注。因此，针对上述问题，论文进行了深入的研究:\n 提出了一种新的融合概率矩阵分解和标签评分的协同过滤推荐算法。利用平衡因子结合基于概率矩阵分解和基于标签评分的协同过滤算法的结果来预测用户对项目的评分，在MovieLens数据集上的实验结果表明，由于同时考虑用户项目评分和用户标签评分数据，本文提出的算法优于传统的基于用户的协同过滤算法，并且在一定程度上比概率矩阵分解算法有更好的推荐准确性，缓解了由数据稀疏性问题造成的预测困难。提升了预测准确度。\n 提出了一种基于学术社交网络的多维度团队推荐算法，来解决学术社交网络中单一维度学术团队信息难以满足学者个性化推荐需求的问题。该算法是以投影梯度非负矩阵分解模型获得的用户与科研团队的相似度为核心，融合社交好友关系和热门团队信息的多维度团队推荐模型。在大型科研学术网站—学者网上的实验证明了本文提出的算法具有较高的准确率，能为用户提供较好的团队个性化推荐服务。

关键词：学术社交网络推荐系统协同过滤推荐算法概率矩阵分解标签评分个性化推荐

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的协同过滤推荐算法研究

基于深度学习的协同过滤推荐算法研究

引用

作者：杨健西南交通大学

学位级别：硕士

推荐算法是推荐系统最重要的部分,目前效果最好且应用最多的推荐算法当属协同过滤(CF)推荐算法。随着Internet技术的日益成熟,电商系统的规模不断扩大,系统中的商品数不断增加,给系统带来了大量用户,促进了电子商务系统的发展,但同时也... 详细信息

推荐算法是推荐系统最重要的部分,目前效果最好且应用最多的推荐算法当属协同过滤(CF)推荐算法。随着Internet技术的日益成熟,电商系统的规模不断扩大,系统中的商品数不断增加,给系统带来了大量用户,促进了电子商务系统的发展,但同时也给传统的推荐算法带来了严重的数据稀疏性问题,该问题的存在降低了推荐的精确性。随着对推荐算法的深入研究,科研人员提出了很多缓解稀疏性的方法,如缺省值填充和矩阵分解等方法。近年来,深度学习得到了快速的发展,并且在图像等多个领域中,都表现出显著的优势,受到了众多科研人员的青睐,同时也促进了推荐算法的发展。在本文研究中,通过分析深度学习算法,然后将其应用到传统的协同过滤算法中,以降低数据稀疏程度,进而提高推荐性能。本文重点研究深度学习中的生成对抗网络算法及其变种的相关理论,提出将序列生成对抗网络用于缺失数据的预测,同时提出将评分数据和标签数据结合起来,利用标签数据的时间关系建立基于时间的用户-标签评分矩阵,接着根据用户-标签评分数据的时间序列关系,预测出用户标签评分数据将其填充至评分矩阵中,再利用补全的用户-标签评分矩阵计算目标用户的最近邻居集,可以降低数据的稀疏程度,从而提高CF算法的推荐性能。本文在Movielens电影评分数据集上进行了仿真,结果表明,SeqGAN用于缺失数据的预测是可行的,而基于SeqGAN的协同过滤算法的推荐效果相比传统协同过滤算法也有一定的提升。本文具体的创新点和主要研究内容有以下几点:1.结合用户标签数据和用户评分数据建立用户-标签评分矩阵,然后研究生成对抗网络算法理论及实践方法,将序列生成对抗网络算法用于评分数据预测,从而对用户-标签评分矩阵进行填充以缓解数据稀疏性;2.针对时序数据的时间间隔特征,利用衰减因子对SeqGAN的生成模型和鉴别模型进行改进后用于评分数据预测;3.借助推荐算法的常用评价指标评测本文提出的算法,验证该方法的可行性。通过实验结果可知,和传统User-Based CF、使用众数法和矩阵分解解决数据稀疏性后的协同过滤推荐算法相比,本文所提出的算法在解决数据稀疏性问题上有一定的效果,和基于RBM的协同过滤推荐算法以及基于混合自编码器的协同过滤推荐算法相比,本文所提出的算法在推荐性能上有一定的提升。

关键词：深度学习推荐系统协同过滤推荐算法序列生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

基于用户相似度的协同过滤推荐算法研究

基于用户相似度的协同过滤推荐算法研究

引用

作者：周鲲西南交通大学

学位级别：硕士

互联网的快速发展将人类带入了信息时代,海量的信息使得用户难以从其中快速定位所需要的具体信息,从而出现了“信息过载”现象。个性化推荐技术的出现将用户从浩瀚信息检索查找中解放出来,成为一种继搜索引擎之后获取信息的重要方式,它... 详细信息

互联网的快速发展将人类带入了信息时代,海量的信息使得用户难以从其中快速定位所需要的具体信息,从而出现了“信息过载”现象。个性化推荐技术的出现将用户从浩瀚信息检索查找中解放出来,成为一种继搜索引擎之后获取信息的重要方式,它不需要用户具体描述个人的信息需求,在用户无明确需求时其作用尤为突出。个性化推荐作为处理信息过载的重要技术,已在电子商务和社交网络等领域取得了十分广泛的应用。协同过滤因其推荐效果良好,算法简单,能够处理复杂对象,成为个性化推荐中最成功和应用最广泛的技术。其通过获取用户的历史数据,分析并预测用户潜在的兴趣,由此推荐物品。然而,协同过滤算法在现实应用中存在数据稀疏性和推荐不准确的问题。针对该问题,本文展开如下的研究：第一,针对推荐不准确问题,提出了一种改进基于加权信息熵相似度算法。计算相似度是协同过滤推荐中最为重要的一步,传统相似度的算法面临相似度计算不准确等问题,在数据较为稀疏时计算出来的用户相似度也常常面临结果不符合现实的问题。本文所提出的相似度算法,通过对用户的原始评分数据进行处理,利用用户间的评分差值的信息熵来度量相似度,并简化算法,通过实验与传统相似度算法进行比较,实验结果表明本文所提算法更加符合现实,有效降低了推荐系统的MAE值,使推荐精度得到提升。第二,针对数据稀疏性问题,提出一种融合用户特征和项目属性的协同过滤算法。传统的相似度算法仅仅依靠单一的用户评分值产生推荐,在数据非常稀疏时将很难做出准确的推荐,甚至无法推荐。针对此问题,本文提出新的算法,通过在传统相似度算法上加权基于项目属性的相似度算法,并在进行推荐计算时融合用户的活跃度,通过实验与传统算法进行比较,实验结果表明该算法比传统算法具有更好的性能,在传统算法无法做出合理推荐时该方法仍然能够做出较高的推荐精度。本文实验所采用的测试数据为MovieLens数据集,实验表明,本文所提出的方法能降低预测结果的平均绝对误差,可以提高推荐准确度。

关键词：个性化推荐系统协同过滤推荐算法数据稀疏性用户相似度

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：