检索结果-内蒙古大学图书馆

电子世界 2019年第24期 107-107页

作者：尹铁源杨慧慧沈阳工业大学信息科学与工程学院

1.传统协同过滤推荐算法协同过滤推荐算法主要利用用户过去的行为或意见预测目标用户最可能喜欢哪些东西或者对哪些东西感兴趣,然后向目标用户做出TOP-N推荐。相似度计算方法对于协同过滤的推荐方法来说是很重要的,最常用的有Pearson相... 详细信息

1.传统协同过滤推荐算法协同过滤推荐算法主要利用用户过去的行为或意见预测目标用户最可能喜欢哪些东西或者对哪些东西感兴趣,然后向目标用户做出TOP-N推荐。相似度计算方法对于协同过滤的推荐方法来说是很重要的,最常用的有Pearson相关系数法、余弦相似度等。2.改进协同过滤推荐算法针对传统协同过滤推荐算法中相似性计算的不足,提出了一种基于用户兴趣的改进协同过滤推荐算法。针对不同用户兴趣的动态变化,将基于用户兴趣度的相似性度量方法应用于改进的协同过滤推荐算法中,基于用户的兴趣,提高推荐系统的准确性。

关键词：协同过滤推荐算法用户兴趣度相似性度量相似度计算方法相似性计算余弦相似度预测目标

来源：评论

学校读者我要写书评

暂无评论

大数据背景下基于用户的协同过滤推荐算法研究

引用

电脑迷 2017年第28期 239-239页

作者：孙德刚山东华宇工学院山东德州 253034

文章总结了大数据背景下协同过滤推荐算法的分类和度量指标,分析了协同过滤推荐算法中的问题以及相应的解决办法,并阐述了协同过滤推荐系统中仍需解决的问题和未来可能的发展方向,以期为相关人员提供参考,为人们提供便利.

关键词：大数据用户协同过滤推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤和内容的推荐算法在电影推荐系统中的融合研究

引用

电脑知识与技术 2025年第1期21卷 79-81页

作者：陆浩言江苏省如皋中等专业学校江苏如皋226500

文章深入研究了基于协同过滤与内容的推荐算法在电影推荐系统中的融合与应用。首先,详细阐述了两种推荐算法的基本原理及优缺点,并对相似度计算方法进行了深入的分析与针对性的优化。随后,文章探讨了协同过滤和内容推荐算法有效融合策... 详细信息

文章深入研究了基于协同过滤与内容的推荐算法在电影推荐系统中的融合与应用。首先,详细阐述了两种推荐算法的基本原理及优缺点,并对相似度计算方法进行了深入的分析与针对性的优化。随后,文章探讨了协同过滤和内容推荐算法有效融合策略和方法。最后,采用MovieLens数据集进行实验验证,证明了融合算法在提升推荐系统性能方面的有效性,并讨论了未来可能的研究方向。

关键词：协同过滤推荐算法内容推荐算法电影推荐系统融合

来源：评论

学校读者我要写书评

暂无评论

基于内容和协同过滤混合的旅游推荐算法研究

基于内容和协同过滤混合的旅游推荐算法研究

引用

作者：卞红胜沈阳建筑大学

学位级别：硕士

随着互联网技术的迅猛发展和旅游行业的数字化转型,旅游信息的数量和复杂性呈现出爆发式增长的趋势。这一变革为用户提供了更多选择和便利,但同时也带来了信息过载的问题。为有效应对此问题,本文提出了一种基于内容和协同过滤混合的旅... 详细信息

随着互联网技术的迅猛发展和旅游行业的数字化转型,旅游信息的数量和复杂性呈现出爆发式增长的趋势。这一变革为用户提供了更多选择和便利,但同时也带来了信息过载的问题。为有效应对此问题,本文提出了一种基于内容和协同过滤混合的旅游推荐算法。在该算法中,协同过滤推荐算法扮演着重要角色。然而,由于新用户和新项目的出现使得协同过滤推荐算法面临冷启动问题。针对新用户引发的冷启动问题。提出一种将反向传播神经网络和用户信息相融合的协同过滤推荐算法。该算法首先获取用户信息,根据用户信息构建特征向量,利用特征向量计算用户之间的分量相似度,从而捕捉用户之间潜在的相似关系。然后,该算法将分量相似度作为反向传播神经网络的输入值,通过训练神经网络模型,最终输出用户之间的综合相似度,以解决新用户的冷启动问题。针对新项目引发的冷启动问题。本文使用中心聚集参数改进K-means聚类,并提出一种将改进K-means聚类和项目内容相融合的协同过滤推荐算法。该算法首先获取项目特征信息,构建项目特征向量,根据特征向量计算项目之间的欧氏距离,形成欧式距离矩阵。然后利用改进后的K-means聚类对项目进行分组,找到目标项目的邻居项目,最终计算项目之间的相似度,以解决新项目的冷启动问题。本文实验所用的数据集为传统的UCI数据集和自制的景点信息数据集。实验过程中,将改进后的协同过滤推荐算法与其它算法进行对比,改进后的协同过滤推荐算法有效缓解了新用户和新项目的冷启动问题。之后将基于内容和协同过滤混合的旅游推荐算法与其它推荐算法进行对比,结果显示,基于内容和协同过滤混合的旅游推荐算法在准确率、召回率及F分数上均优于其他推荐算法。综上所述,本文提出的混合旅游推荐算法在应对冷启动问题方面取得显著成效,同时避免了基于内容推荐算法的多样性不足问题,为用户提供更为精准和个性化的旅游推荐服务。

关键词：基于内容推荐算法协同过滤推荐算法 K-means聚类冷启动加权融合

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤技术的推荐算法研究

基于协同过滤技术的推荐算法研究

引用

作者：赵尉翔长安大学

学位级别：硕士

随着信息时代的快速发展,信息过载问题日益严重,影响到人们的日常生活。因此研究人员提出了推荐技术,推荐系统向用户提供个性化推荐。如何为用户提供更加准确更加个性化的推荐是目前对推荐算法的研究方向。协同过滤推荐算法是互联网公... 详细信息

随着信息时代的快速发展,信息过载问题日益严重,影响到人们的日常生活。因此研究人员提出了推荐技术,推荐系统向用户提供个性化推荐。如何为用户提供更加准确更加个性化的推荐是目前对推荐算法的研究方向。协同过滤推荐算法是互联网公司使用最广泛的推荐算法,尽管协同过滤推荐算法应用广泛,但是随着用户以及商品的数据量不断增加,协同过滤推荐算法暴露出来的问题也越来越多,最终导致协同过滤推荐算法的推荐质量逐渐下滑。若能有效地解决该问题,不仅可以改善用户的体验效果,还可以为公司带来更多的利润。基于以上背景,本文的研究主要针对传统算法中存在的数据稀疏性问题,利用用户评分信息和用户属性信息建立用户混合相似度。并且针对传统算法中没有考虑时间对推荐结果的影响,提出了一种时间衰减因子模型,将其与用户评分相结合得到实际的用户评分,提高推荐结果的准确性。其次,传统的协同过滤推荐算法在计算用户的邻域用户时,必须遍历整个推荐系统中的用户。但是在实际应用中要遍历系统中所有的用户是十分困难的,可行性极低;并且邻域用户数量的选取也是需要解决的一个问题。通过使用聚类技术,邻域用户的搜索范围就可以缩小到与目标用户相似度较高的用户当中,从而可以提高对邻域用户查找的效率。针对传统K-means算法随机初始化聚类中心,造成聚类结果不准确的问题进行改进,提出一种优化初始聚类中心的K-means聚类算法(简称OICK-means),利用混合相似度代替欧氏距离,把相似度较高的用户聚集在同一个聚类簇中,然后根据邻域用户的历史记录预测目标用户喜爱的物品并进行Top-N推荐。在MovieLens-100K数据集上的实验表明,基于混合相似度的OICK-means推荐算法在各项评价指标中均优于传统的协同过滤推荐算法,具有更好的推荐效果。

关键词：协同过滤推荐算法混合相似度时间衰减因子 K-means Top-N推荐

来源：评论

学校读者我要写书评

暂无评论

基于多维回归和协同过滤智能模型推荐算法

基于多维回归和协同过滤智能模型推荐算法

引用

作者：钟江江吉林大学

学位级别：硕士

科技的高速发展，不仅推动着经济社会的进步，同时也给人们生活带来了便利。互联网Web2.0技术的日益成熟，进一步推动了电子商务的发展。目前，基于互联网的电子商务平台数量日益增多，应用也日益广泛，伴随而来的则是与日俱增的信息量... 详细信息

科技的高速发展，不仅推动着经济社会的进步，同时也给人们生活带来了便利。互联网Web2.0技术的日益成熟，进一步推动了电子商务的发展。目前，基于互联网的电子商务平台数量日益增多，应用也日益广泛，伴随而来的则是与日俱增的信息量。虽然信息量的增多可以给用户带来更多的选择，但同时也导致了用户的信息量过载，无法从中快速提取或者发现自己想要的信息。个性化推荐系统就是基于用户和电商的这种需求而诞生的。对于用户而言，一个性能优越的推荐系统，可以主动给用户推荐其感兴趣的产品，既节省了时间，同时也给用户带来了良好的个性化体验。对于电商而言，推荐系统拥有无比巨大的商业潜力，该系统不但可以保持老用户群体，而且还能挖掘新用户群体。作为推荐系统的核心部分--个性化推荐算法，算法性能的好坏直接影响着用户消费满意度以及电商的利润。鉴于此，推荐算法成为了当今电子商务领域的一颗新星。为了给用户提供更高效、更准确的推荐服务，同时给电商带来更大的商业价值，人们一方面不断对已有算法进行改进，同时也在不断研究新的算法。本文首先分析了现有推荐算法的不足，接着从用户交互产品和未交互产品两个方向对算法进行改进，最后通过实验仿真，验证了本文改进算法的有效性。本文研究的内容为：（1）交互产品的预测。本文提出了多维逻辑回归推荐算法，该算法在传统逻辑回归的基础上，引入了时间特征体系以及Bootstrap重抽样技术。由于采用了Bootstrap重抽样技术，就会导致参数设置问题，如子模型个数、特征个数以及正负样本数。为了解决该问题，本文采用遗传算法进行参数优化。第五章的仿真实验结果也表明了该算法对交互产品的预测具有很好的效果。（2）未交互产品的预测。本文提出的协同过滤推荐算法，在生成用户-产品评分矩阵之前，先采用记忆遗忘函数对评分进行衰减；接着计算相似度，同时考虑用户属性和产品属性，并且采用逻辑回归训练出特征权重；最后采用适当的权重将基于用户和基于项目的协同过滤推荐结果结合起来。综合以上改进，本文改进后的协同过滤推荐算法，预测准确率得到了很大提升。（3）最后，本文将交互产品和未交互产品的预测算法有效的结合起来，在预测性能上，进一步得到了提升。

关键词：个性化推荐多维逻辑回归推荐算法协同过滤推荐算法记忆遗忘曲线 Bootstrap重抽样技术

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤的众包任务推荐算法

引用

信息技术与信息化 2021年第8期 119-121页

作者：陈朱宇黄承鑫周瑞富王子超操凤萍东南大学成贤学院江苏南京210088

根据工作者处理任务的工作时长和处理任务的种类的不同,从众包数据集中找出工作者处理时长较长、处理任务种类相似的任务推荐给工作者。通过对数据集进行预处理、k-means算法聚类、计算余弦相似度和运用基于内容的协同过滤算法选择最相... 详细信息

根据工作者处理任务的工作时长和处理任务的种类的不同,从众包数据集中找出工作者处理时长较长、处理任务种类相似的任务推荐给工作者。通过对数据集进行预处理、k-means算法聚类、计算余弦相似度和运用基于内容的协同过滤算法选择最相似的几个任务作为推荐结果推荐给工作者,从而算法的推荐功能。结果表明基于协同过滤的众包任务推荐算法执行效率虽然不是最好,但基本完成了任务推荐功能。

关键词： k-means算法余弦相似度协同过滤推荐算法众包任务

来源：评论

学校读者我要写书评

暂无评论

基于粒子群优化算法的协同过滤推荐并行化研究

引用

北京邮电大学学报 2018年第6期41卷 115-122页

作者：游思晴周丽赵东杰薛菲北京物资学院信息学院北京101149

针对常用协同过滤推荐算法存在计算性能瓶颈的问题,提出了在Spark上并行化实现协同过滤推荐算法RLPSO_KM_CF.首先,通过具备反向学习和局部学习能力的粒子群优化(RLPSO)算法寻找粒子群最优解,输出优化后的聚类中心;然后,运用RLPSO_KM算... 详细信息

针对常用协同过滤推荐算法存在计算性能瓶颈的问题,提出了在Spark上并行化实现协同过滤推荐算法RLPSO_KM_CF.首先,通过具备反向学习和局部学习能力的粒子群优化(RLPSO)算法寻找粒子群最优解,输出优化后的聚类中心;然后,运用RLPSO_KM算法对用户信息进行聚类;最后,将传统协同过滤推荐算法与RLPSO_KM聚类结合,从而对目标用户进行有效推荐.实验结果显示,RLPSO_KM_CF算法在推荐准确度方面有显著提高,具有较高的加速比,稳定性也得到了一定提升.

关键词：协同过滤推荐算法 RLPSO算法 K-means算法 Spark

来源：评论

学校读者我要写书评

暂无评论

智能推荐系统中协同过滤算法的研究

智能推荐系统中协同过滤算法的研究

引用

作者：张雪文上海交通大学

学位级别：硕士

随着互联网的普及和电子商务的发展,电子商务系统在为用户提供越来越多选择的同时,其结构也变得更加复杂,用户经常会迷失在大量的商品信息空间中,无法顺利找到自己需要的商品。协同过滤算法为解决用户在网上选购商品的困惑应运而生,本... 详细信息

随着互联网的普及和电子商务的发展,电子商务系统在为用户提供越来越多选择的同时,其结构也变得更加复杂,用户经常会迷失在大量的商品信息空间中,无法顺利找到自己需要的商品。协同过滤算法为解决用户在网上选购商品的困惑应运而生,本文在分析了传统的Item-based和User-based协同过滤算法的基础上,对协同过滤算法的设计和个性化推荐系统等关键技术进行了研究,提出了基于知识层次的协同过滤改进算法,通过实验仿真验证该在推荐性能方面优于传统算法。本文的主要研究内容如下: 1、分析研究现有三个协同过滤改进算法,发现它们存在以下问题: (1)基于降维的协同过滤推荐算法较好地解决了数据稀疏性的问题,但其推荐的精确性会有一定下降。 (2)基于项评分预测的IRPRec协同过滤推荐算法可以显著提高推荐系统的推荐质量,但是算法的实时性不高,无法很好的满足推荐系统的性能要求。 (3)基于项聚类的ICRec协同过滤推荐算法可以有效提高推荐系统的实时响应速度,但是在推荐精度上仅与传统智能推荐算法相当。 2、通过对协同过滤改进算法中所存在问题的分析,论文深入探讨了当前个性化推荐的主流技术——协同过滤对算法中影响推荐质量的稀疏性问题和影响用户满意度的推荐完整性问题,在引入了“知识层次”和“社区过滤”技术的基础上,对协同过滤算法进行改进,提出了基于知识层次的协同过滤改进算法。论文对该算法进行实验仿真,证明所提出的基于知识层次的协同过滤改进算法在推荐的准确性、完整性、多样性等方面均优于传统算法,特别是在稀疏的用户评价数据集上体现出了良好的推荐性能。

关键词：电子商务推荐系统协同过滤推荐算法知识层次

来源：评论

学校读者我要写书评

暂无评论

面向音乐协同过滤推荐的K-means聚类算法优化研究

面向音乐协同过滤推荐的K-means聚类算法优化研究

引用

作者：纪文璐内蒙古师范大学

学位级别：硕士

随着用户数据的大量积累,“信息过载”已经逐渐成为困扰广大用户对数据准确获取和使用的重要问题。其中,纷扰繁杂的音乐数据虽然可以为人们带来丰富的娱乐内容,但也存在着用户不感兴趣和无法被用户准确发现的问题,聚类分析和推荐系统技... 详细信息

随着用户数据的大量积累,“信息过载”已经逐渐成为困扰广大用户对数据准确获取和使用的重要问题。其中,纷扰繁杂的音乐数据虽然可以为人们带来丰富的娱乐内容,但也存在着用户不感兴趣和无法被用户准确发现的问题,聚类分析和推荐系统技术则成为了解决这些问题的主要办法之一。K-means聚类算法应用广泛,有着原理简单、易于实现和收敛速度快等诸多优势,因此常被用来处理数据的聚类问题。但它容易受到初始中心点选择和K值预先确定的影响,这往往导致聚类的效果不佳;鸡群优化算法是一种新的仿生优化算法,它有着易于实现、原理简单等优点,可以对聚类初始中心点的选择进行优化,但存在着局部搜索能力不足和早熟收敛等问题;基于用户的协同过滤算法是对用户的历史行为信息进行分析从而获取用户的兴趣喜好,并由此为用户进行个性化的资源推荐。但数据稀疏、冷启动和算法可扩展性等相关问题仍影响着协同过滤的推荐效果。本文首先对K-means聚类算法和鸡群优化算法进行了详细的介绍和具体问题的分析。研究内容主要包括聚类算法初始中心点的选择以及鸡群优化算法存在的部分问题。针对鸡群优化算法存在的局部搜索能力不足和早熟收敛等缺点提出双向择优学习的鸡群算法(Bidirectional Selective Learning Chicken Swarm Optimization,BSLCSO),改进的算法在运行前期采用粒子群算法的位置更新方式初始化种群粒子位置,目的是为种群中的粒子提供一个较为广阔的运动搜索范围,之后对鸡群中公鸡粒子的位置更新公式做出部分改进调整,使其可以正向学优、反向学差进行变化,跳出极值的同时提高种群的寻优能力和多样性。最后基于BSLCSO进一步优化K-means算法,利用改进后的算法具有寻优能力强和受初始聚类中心点影响小的优点,为聚类算法寻找更优的初始聚类中心点,提升聚类的质量。实验结果对比表明基于双向择优学习鸡群算法的K-means聚类算法(K-means Cluster Algorithm Based On Bidirectional Selective Learning Chicken Swarm Optimization,BSLCSK-means)聚类效果更佳。其次,本研究针对协同过滤存在的问题做出相应改进,在面向音乐数据资源的应用场景下,通过添加用户的音乐流派属性矩阵,来对原始用户评分矩阵进行替换和预测填充,目的是为了解决原始矩阵空值较多的缺点,进而缓解数据稀疏,提高推荐和预测的准确度。并且使用改进后的聚类算法预先对用户进行聚类划分,增加算法的可扩展性,降低计算复杂度。实验结果表明,随着用户邻居数的增加,用户的聚类效果趋势向好,推荐算法的预测推荐准确度得到了进一步的提升,在得到更为准确推荐效果的同时,产生的推荐结果也更为稳定。

关键词：音乐信息检索协同过滤推荐算法 K-means聚类群体智能算法鸡群优化算法

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：