检索结果-内蒙古大学图书馆

计算机应用 2016年第2期36卷 414-418页

作者：杨武唐瑞卢玲重庆理工大学计算机科学与工程学院重庆400054

针对基于内容的新闻推荐方法中用户兴趣多样性的缺乏问题和混合推荐方法存在的冷启动问题,提出一种基于内容与协同过滤融合的方法进行新闻推荐。首先利用基于内容的方法发现用户既有兴趣;再用内容与行为的混合相似度模式,寻找目标用户... 详细信息

针对基于内容的新闻推荐方法中用户兴趣多样性的缺乏问题和混合推荐方法存在的冷启动问题,提出一种基于内容与协同过滤融合的方法进行新闻推荐。首先利用基于内容的方法发现用户既有兴趣;再用内容与行为的混合相似度模式,寻找目标用户的相似用户群,预测用户对特征词的兴趣度,发现用户潜在兴趣;然后将用户既有兴趣与潜在兴趣融合,得到兼具个性化和多样性的用户兴趣模型;最后将候选新闻与融合模型进行相似度计算,形成推荐列表。实验结果显示,与基于内容的推荐方法相比,所提方法的F-measure和整体多样性Diversity均有明显提高;与混合推荐方法相比,性能相当,但候选新闻无需耗时积累足够的用户点击量,不存在冷启动问题。

关键词：新闻推荐协同过滤基于内容的推荐用户兴趣模型混合推荐

来源：评论

学校读者我要写书评

暂无评论

基于内容的推荐与协同过滤融合的新闻推荐研究

基于内容的推荐与协同过滤融合的新闻推荐研究

引用

作者：唐瑞重庆理工大学

学位级别：硕士

新闻推荐系统中,基于内容的推荐生成的推荐结果具有个性化的优势,但存在推荐多样性的问题,只能推荐出与用户过去阅读内容相似的新闻。协同过滤推荐不存在多样性问题,但在个性化方面却表现不足,用户的阅读兴趣不可能由相似用户完整表述;... 详细信息

新闻推荐系统中,基于内容的推荐生成的推荐结果具有个性化的优势,但存在推荐多样性的问题,只能推荐出与用户过去阅读内容相似的新闻。协同过滤推荐不存在多样性问题,但在个性化方面却表现不足,用户的阅读兴趣不可能由相似用户完整表述;同时,协同过滤还存在冷启动问题,候选新闻必须等待足够的点击才可能计算出目标用户对它的相似度。混合推荐可以兼顾推荐结果在多样性和个性化上的需求,但生成满足多样性需求的那部分结果时依然存在冷启动问题。针对上述问题,本文在充分研究基于内容的推荐、协同过滤以及两者的混合推荐的基础上,提出了一种基于内容的推荐与协同过滤融合的新闻推荐方法。该方法在兼顾多样性和个性化需求的同时,可有效避免新闻推荐的冷启动问题。论文首先介绍了新闻推荐的研究背景、现状以及常用方法,分析了现有方法存在的问题;接着用基于内容的推荐发现用户对特征词的既有兴趣,用协同过滤发现用户对特征词的潜在兴趣;然后用最大值法融合用户既有兴趣和潜在兴趣,得到兼顾多样性与个性化的融合兴趣模型;最后将候选新闻与构建的融合兴趣模型进行相似度匹配,生成推荐结果。在发现用户既有兴趣时,考虑到用户兴趣与时间变化的相关性,论文提出了一种带时间权的既有兴趣模型构建方法,较好反映出了用户兴趣随时间的变化关系。在构建相似用户群时,考虑到仅以行为相似度来评价用户间的相似性存在的准确性不足的问题,论文提出了一种行为相似度与内容相似度协同的混合相似度计算方法,提高了相似用户群的准确性。论文以DataCastle的财新网阅读记录为数据集,以F-measure和Diversity为评价指标,以基于内容的推荐、协同过滤推荐和分区混合推荐方法为参照基准进行对比实验。通过实验看出,论文融合方法的推荐结果,其F-measure和Diversity比基于内容的方法分别提高了34.4%和38.2%;比协同过滤方法F-measure提高了8.6%。虽然与混合推荐的F-measure和Diversity无明显差距,但论文方法在推荐时,候选新闻无需等待积累足够的用户点击量,没有混合推荐方法存在的冷启动问题。实验结果表明,论文方法生成的推荐结果能够满足用户阅读在多样性和个性化上的需求,同时有效避免推荐的冷启动问题。

关键词：新闻推荐协同过滤基于内容的推荐用户兴趣模型混合推荐

来源：评论

学校读者我要写书评

暂无评论

结合社会化标签的基于内容的推荐算法

引用

软件 2015年第1期36卷 1-5页

作者：江周峰杨俊鄂海红北京邮电大学计算机学院PCN&CAD中心北京100876

在高校图书馆场景下,受限于图书特征信息的稀少,很难运用基于内容的推荐算法。本文针对图书馆推荐场景提出了一种结合社会化标签的基于内容的推荐算法。通过将图书的社会化标签与实体图书相结合的方式来补充图书的特征项。对于社会化标... 详细信息

在高校图书馆场景下,受限于图书特征信息的稀少,很难运用基于内容的推荐算法。本文针对图书馆推荐场景提出了一种结合社会化标签的基于内容的推荐算法。通过将图书的社会化标签与实体图书相结合的方式来补充图书的特征项。对于社会化标签中存在的标签模糊问题,本文在信息熵思想的基础上提出了一种模糊标签识别方法。对于识别的模糊标签,本文采用标签去除的方式来处理,以增加标签信息的可靠性。最后通过基于内容的推荐算法来测试模糊标签去除前后推荐的准确率,以此来判定模糊标签识别方法的准确性。实验结果证明,该模糊标签识别方法具有较好的准确性,可以较好的识别模糊标签。

关键词：推荐系统社会化标签模糊标签基于内容的推荐

来源：评论

学校读者我要写书评

暂无评论

实时路况制约下基于内容的兴趣点推荐

引用

计算机工程 2017年第10期43卷 147-152页

作者：雷凯刘树波李丹李永凯武汉大学计算机学院武汉430072 湖北省水利水电科学研究院武汉430070

传统兴趣点推荐方法缺乏对用户所处位置和实时路况信息的考虑,推荐结果虽能满足用户偏好,但会导致出行时间增加。为此,提出一种考虑实时路况信息的推荐方法,利用基于内容的方法获取兴趣点支持度,使用实时路网状况获取实时路网支持度,融... 详细信息

传统兴趣点推荐方法缺乏对用户所处位置和实时路况信息的考虑,推荐结果虽能满足用户偏好,但会导致出行时间增加。为此,提出一种考虑实时路况信息的推荐方法,利用基于内容的方法获取兴趣点支持度,使用实时路网状况获取实时路网支持度,融合基于内容的支持度和实时路网支持度,形成最终优化的推荐结果。实验结果表明,与基于内容的推荐方法相比,融合实时交通路况的推荐方法能节省更多的出行时间,具有较强的实用性。

关键词：兴趣点推荐基于内容的推荐实时路网用户偏好模型支持度

来源：评论

学校读者我要写书评

暂无评论

基于内容的个性化推荐系统研究

基于内容的个性化推荐系统研究

引用

作者：单京晶东北师范大学

学位级别：硕士

本文对个性化推荐系统进行研究,主要研究重点为基于内容的推荐算法。基于内容的推荐算法即是利用目标顾客的产品交易记录及产品特征内容来为该顾客推荐感兴趣的产品[1],传统方法是利用顾客购买或收藏过的产品来找到top-k个和它们最相似... 详细信息

本文对个性化推荐系统进行研究,主要研究重点为基于内容的推荐算法。基于内容的推荐算法即是利用目标顾客的产品交易记录及产品特征内容来为该顾客推荐感兴趣的产品[1],传统方法是利用顾客购买或收藏过的产品来找到top-k个和它们最相似的产品来做推荐。为了提高传统基于内容推荐算法的推荐准确率,我们把k-means聚类算法应用到传统基于内容的推荐中,提出了一种新的推荐算法,该方法首先对目标顾客感兴趣的产品特征向量进行聚类,将具有相似特征的产品聚到一起,然后找到和每个簇中心最近的那些产品推荐给目标顾客。上述算法仅仅利用了目标顾客喜欢的产品信息,然后根据这些感兴趣的产品找到相似的产品来进行推荐。除此之外,本文把朴素贝叶斯方法引入作为一种推荐算法。该方法利用目标顾客喜欢和不喜欢的产品去学习朴素贝叶斯分类器,然后根据这个分类器,计算目标顾客喜欢一件产品的概率,去推荐那些概率值最高的产品。最后,在实验评估部分,将三种基于不同推荐算法的个性化推荐系统应用在一个真实数据集上进行测试,该数据集是由一个英国电子商务公司提供的真实用户交易记录和产品库。本文介绍了如何将存储在mongo数据库中的数据转化为推荐算法可以直接使用的格式,然后比较和分析了这三种推荐算法的实际效果。实验结果显示:联合k-means的推荐算法提高了传统基于内容的方法的推荐精度,而基于朴素贝叶斯的推荐算法在这三种方法中性能是最好的。

关键词：个性化推荐基于内容的推荐 k-means 朴素贝叶斯

来源：评论

学校读者我要写书评

暂无评论

基于内容与优化CF混合算法的电影推荐系统的设计与实现

基于内容与优化CF混合算法的电影推荐系统的设计与实现

引用

作者：王迪中南财经政法大学

学位级别：硕士

现如今网络技术飞速发展,人们的生活步入信息爆炸时代,这对于消费者与制造者而言都是一种全新的挑战。对于消费者来说如何从海量信息中快速找到有效信息是一个棘手的难题,对制造者来说如何将自身信息精准有效的推送至目标消费者身边是... 详细信息

现如今网络技术飞速发展,人们的生活步入信息爆炸时代,这对于消费者与制造者而言都是一种全新的挑战。对于消费者来说如何从海量信息中快速找到有效信息是一个棘手的难题,对制造者来说如何将自身信息精准有效的推送至目标消费者身边是一个难题。由此推荐系统应运而生,它有效的解决了上述两大难题。本文就如何构造推荐效果优良的电影推荐系统展开深入研究。应用在推荐系统当中的推荐算法有多种,其中最为常见的是协同过滤(简称CF算法)。但随着该算法的普及也暴露出诸多问题,例如随着用户与项目数量增多而导致系统响应速度减慢的问题,新用户与新电影冷启动的问题,数据矩阵信息不全导致的推荐精准度低的问题。为解决以上问题,本文在研究几种常见推荐算法的基础上,将各算法优势进行融合,形成基于内容与优化CF的混合算法,以优化算法推荐性能。本文主要工作内容与创新点如下:1、深入分析协同过滤算法、基于内容的推荐、k-means聚类三种基本算法,结合例子为各算法建立模型,并探讨各自的优缺点。2、提出一种基于内容与优化CF的混合算法。针对协同过滤响应速度慢的问题,提出k-means优化协同过滤思想,通过聚类缩小用户比对范围,提升算法推荐效率。针对新用户问题与数据矩阵稀疏的问题,本文将基于内容的推荐算法与上述优化CF算法相结合,形成混合算法。该算法以用户-电影属性评分矩阵代替原算法中用户-评分矩阵,将电影属性结合用户评分作为推荐依据,有效解决了冷启动中新电影的推荐问题。与此同时,由于用户属性个数远小于电影个数,因此数据矩阵范围得到缩小,算法推荐精准度低的问题在一定程度上得到解决。3、构建基于混合算法的电影推荐系统。通过对系统进行需求分析、架构设计、功能设计、数据库设计,以SpringMVC为基础框架构建电影推荐系统,运用Apache Mahout中的Taste技术作为推荐引擎,拓展接口融合本文提出的混合算法,最终实现电影推荐效果。通过实验对比原始协同过滤、k-means优化CF算法、混合算法三种算法的推荐评价指标MAE,最终得出本文提出的混合算法在响应速度及推荐效果上有明显提升,优化后的算法使用性能更高,该算法最终也较好的融合到电影推荐系统中,实现对目标用户的电影推荐。

关键词：推荐系统混合算法协同过滤 k-means 基于内容的推荐

来源：评论

学校读者我要写书评

暂无评论

基于内容聚类的网上书城推荐算法研究

基于内容聚类的网上书城推荐算法研究

引用

作者：柴茜渤海大学

学位级别：硕士

随着科学技术的迅猛发展,互联网信息同样呈现出爆炸式的递增趋向,出现了海量的数据,加大了信息的过载压力?协同过滤推荐作为运用范围最广的一种推荐方法,是当下的一个研究热点,但是,推荐的精度不够高?冷启动以及可拓展性欠佳等情况仍旧... 详细信息

随着科学技术的迅猛发展,互联网信息同样呈现出爆炸式的递增趋向,出现了海量的数据,加大了信息的过载压力?协同过滤推荐作为运用范围最广的一种推荐方法,是当下的一个研究热点,但是,推荐的精度不够高?冷启动以及可拓展性欠佳等情况仍旧影响协同过滤计算方法的精确度?因而,学术界去挖掘出更为科学?合理的协同过滤推荐算法?论文正是据此展开基于内容聚类的推荐算法研究?本论文总结推荐算法的相关理论,分析内容推荐的优缺点及协同过滤的优缺点?展开内容特征的提取,基于TF-IDF的内容关键词提取和商品评价矩阵到内容评价的转换。内容特征的提取给出实例,用网络爬虫技术获取有效信息。对有效信息进行关键词的提取,加权,对书籍的评价转换为内容偏好的矩阵。提出基于聚类分析的协同过滤算法,聚类分析的一般步骤,基于K-means算法的聚类分析,进行相似度的计算与推荐结果生成。为用户推荐商品,相似度的计算,新样本加入改变簇中心,加权计算排序,选择合适的商品。重点用户基于内容聚类,显示出用户对商品特征的偏好,根据特征偏好对用户进行聚类。最后,对推荐功能实验过程描述,从内容特征的提取到聚类最后推荐,数据集的分析,根据网上书城的数据进行筛选。对网上书城推荐的实验结果表明,本文的推荐方法提高了推荐的准确度。

关键词：基于内容的推荐协同过滤聚类分析推荐算法

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推荐混合算法的农业信息推荐的研究

基于协同过滤和内容推荐混合算法的农业信息推荐的研究

引用

作者：高芹安徽农业大学

学位级别：硕士

不同的农户所需要的农业信息不同,因此,系统需要因人而异,给出不同的推荐内容给不同的用户,同时不同用户所阅读过的文本信息需要进行集合管理,形成文本库,根据这个兴趣模型推荐文本信息,而在推荐多样性上存在一定的缺陷,基于内容推荐的... 详细信息

不同的农户所需要的农业信息不同,因此,系统需要因人而异,给出不同的推荐内容给不同的用户,同时不同用户所阅读过的文本信息需要进行集合管理,形成文本库,根据这个兴趣模型推荐文本信息,而在推荐多样性上存在一定的缺陷,基于内容推荐的信息大多是与用户之前阅读过的信息文本相似;尽管协同算法所推荐的文本信息具有多样性,但是针对不同的用户给出的推荐却令人不满,同时协同过滤算法中还存在其他问题,比如冷启动问题等等,由于协同过滤的算法机制是根据相似用户的行为进行推荐,所以信息问本只有在被足够多的用户阅读过后才有可能计算出目标用户与它的相似度,所以出现了新发布信息的冷启动问题;混合的推荐算法可以做到兼顾推荐结果的多样性和个性化,但多样性需求的方面由于使用的仍然是协同过滤机制,所以项目冷启动问题是依然存在的。综合考虑上文中提出的问题,本文在研究考察协同过滤算法和内容推荐方法的过程中发现,混合协同过滤算法以及内容推荐算法两种模式造就出新的文本信息推荐方法,这样不仅解决了个性化问题,也解决了多样性的问题,还避免了冷启动问题。本文选取的数据集是在农业类的咨询网站的阅读而来的,评价指标是Precision,Recall和Diversity,实验方法是以三种推荐方法为参照基准进行对比。这三种对比的推荐分别是:内容的推荐、分区混合推荐以及协同过滤推荐。从实验中可以明显看出来,本实验混合方法的推荐结果显示,基于内容的方法对比中比Precision,Recall分别少了28.1%,28.7%;同时,在协同过滤方法上的对比中Precision,Recall方法提高了7.6%,6.2%。虽然在混合推荐方面上的对比中和Precision,Recall没有明显的优势,但是在我们论文中所述的方法在推荐时,该方法不需要等待候选农业信息积累到足够的用户点击量,不存在混合推荐方法中存在的冷启动这一个问题,是一个具有良好应用前景的方法。实验结果表明,论文中所诉的方法生成的推荐结果在多样性和个性化上能够完全满足用户阅读的需求,同时在推荐的冷启动问题上也做到了有效避免。

关键词：协同过滤混合推荐基于内容的推荐农业信息

来源：评论

学校读者我要写书评

暂无评论

基于内容的电影推荐算法研究

引用

信息系统工程 2023年第12期 117-120页

作者：王宇哲大连东软信息学院计算机与软件学院

提出了一种基于内容的电影推荐算法,通过分析电影的特征和用户的兴趣,实现更精准的电影推荐。首先,研究了基于TF-IDF的向量化方法,将电影的类型和导演信息转化为特征向量;然后,通过计算电影之间的相似度,使用余弦相似度来衡量电影之间... 详细信息

提出了一种基于内容的电影推荐算法,通过分析电影的特征和用户的兴趣,实现更精准的电影推荐。首先,研究了基于TF-IDF的向量化方法,将电影的类型和导演信息转化为特征向量;然后,通过计算电影之间的相似度,使用余弦相似度来衡量电影之间的相关性;接下来,根据用户的偏好和需求,通过加权相似度得分来提高相关电影的推荐优先级;最后,通过筛选和排序,从候选电影中选择出最合适的推荐结果。实验结果表明,该算法能够为用户提供个性化的电影推荐,提高用户的观影体验。

关键词：基于内容的推荐 TF-IDF 特征向量余弦相似度

来源：评论

学校读者我要写书评

暂无评论

基于大数据的智慧图书馆图书推荐算法研究

引用

图书情报研究 2025年第1期18卷 117-123页

作者：何宏达天津市河西区图书馆天津300210

[目的/意义]为提高大数据时代下智慧图书馆管理效率及图书推荐准确度,在研究数据挖掘、特征提取、用户兴趣模型的基础上,设计了一种智能图书馆服务平台。[方法/过程]根据图书信息、用户信息和阅读信息,采用大数据分布式处理技术对数据... 详细信息

[目的/意义]为提高大数据时代下智慧图书馆管理效率及图书推荐准确度,在研究数据挖掘、特征提取、用户兴趣模型的基础上,设计了一种智能图书馆服务平台。[方法/过程]根据图书信息、用户信息和阅读信息,采用大数据分布式处理技术对数据进行识别和挖掘,实现基于用户兴趣的阅读推荐。在仿真环节,通过比较不同方法的推荐准确率和时间复杂度,将所提方法与VSM、LSI、CART进行了比较与分析。[结果/结论]结果表明,所提方法推荐结果更符合用户不同推荐个数需求,且随着推荐个数增加,所提方法性能提升越明显。当用户需求推荐个数为8时,所提方法满意度可达56.13%,高于LSI方法的51.98%和CART方法的52.03%;VSM方法满意度最低,仅为41.25%。时间复杂度对比结果表明,当用户推荐图书数量为4时,所提方法时间复杂度为1.95s,较VSM方法相比减少47.1%。实验结果验证了所提方法的有效性和适用性,可为智慧图书馆服务质量提升提供一定借鉴作用,具有广泛的应用前景。

关键词：智慧图书馆数据挖掘智能推荐特征提取奇异值分解基于内容的推荐协同过滤

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：