检索结果-内蒙古大学图书馆

山西师范大学学报（自然科学版） 2018年第4期32卷 26-30页

作者：潘丽芳张大龙李慧长治医学院山西长治046000 北京数字探索科技有限公司北京100101 北京联合大学管理学院北京100101

新闻更新快、易受流行和热门item的影响,用户兴趣也在不断的变化,因此就新闻推荐来说更应该关注其推荐的时效性.目前存在的用户相似度计算公式没有考虑时间因素,文中改进了原有用户相似度计算方法,增加了时间衰减因子,共同喜欢新闻i的用... 详细信息

新闻更新快、易受流行和热门item的影响,用户兴趣也在不断的变化,因此就新闻推荐来说更应该关注其推荐的时效性.目前存在的用户相似度计算公式没有考虑时间因素,文中改进了原有用户相似度计算方法,增加了时间衰减因子,共同喜欢新闻i的用户u和v,产生行为的时间越远,这两个用户在新闻i上的相似度就会越小.文中提出的算法应用于http://www. show-ease. com网站的新闻推荐.通过收集7月4日到7月21日对推荐新闻的点击量和未推荐新闻的点击量,得出推荐新闻的点击量比未推荐新闻的点击量提高了31%到52%.文中提出的用户相似度计算方法在实践中取得了较好的效果.

关键词：基于用户的协同过滤算法 UserCF 用户相似度计算新闻推荐推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于用户协同过滤的购电推荐算法

引用

电力需求侧管理 2020年第5期22卷 58-62页

作者：荣以平张鹏朱伟义张敏代佰华张利国网山东省电力集团公司营销部济南250001 国网山东滨州供电公司山东滨州256600 山东大学电气工程学院济南250061

售电市场放开后,电力大用户面临如何从众多发电商中找到合适交易对象的难题,而电网公司作为服务型企业也有为购电用户提供推荐服务的良好意愿。针对这一新需求,提出了基于用户协同过滤的购电推荐算法。在无法获得反映用户购电行为偏好... 详细信息

售电市场放开后,电力大用户面临如何从众多发电商中找到合适交易对象的难题,而电网公司作为服务型企业也有为购电用户提供推荐服务的良好意愿。针对这一新需求,提出了基于用户协同过滤的购电推荐算法。在无法获得反映用户购电行为偏好的显性历史数据的前提下,建立了用户行为的隐性反馈数据集;在分析了多种相似度计算方法的应用效果后,为消除数据集中各属性元素数值差异较大造成的相似度计算不合理性,提出了以马氏距离为核心度量以形成相似用户集的方法;进一步定义了表征用户对电厂购电偏好的购电量占比,以此作为进行购电交易对象推荐的排序依据。采用山东省电力市场交易数据进行了算例仿真,结果验证了算法的可行性。

关键词：大用户直购电基于用户的协同过滤算法马氏距离购电推荐

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤的个性化推荐算法研究及系统实现

基于协同过滤的个性化推荐算法研究及系统实现

引用

作者：王强西南交通大学

学位级别：硕士

随着互联网的飞速发展,信息呈现几何级的增长,海量数据问题日趋严重,用户快速获得自己感兴趣的信息变得相当困难。加之移动设备的普及,用户更愿意在移动设备上获取信息。在这样的情况下,个性化推荐系统应运而生。本文在实际需求的驱动下... 详细信息

随着互联网的飞速发展,信息呈现几何级的增长,海量数据问题日趋严重,用户快速获得自己感兴趣的信息变得相当困难。加之移动设备的普及,用户更愿意在移动设备上获取信息。在这样的情况下,个性化推荐系统应运而生。本文在实际需求的驱动下,首先了解推荐系统的理论知识,学习相关推荐算法,然后重点研究了协同过滤推荐算法和k-means聚类算法,并对协同过滤算法进行改进。最后设计和实现了文章推荐子系统。本文做的工作主要有以下几个方面:1.分析了热门对象可能对推荐算法中用户相似度的影响,提出在计算用户相似度时加入惩罚因子,以降低热门对象对用户相似度的影响。通过实验验证,提出的算法的准确率和召回率都有所提高。2.对于协同过滤算法的时间瓶颈及扩展问题,提出了采用聚类算法对协同过滤算法进行改进。在聚类时不单单使用用户的评分信息,而且挖掘了用户评分对象的特征信息,通过这两部分信息为用户偏好进行建模,进而聚类。通过实验验证,改进后的算法的推荐效率与预测准确率都有所提升。在此基础上,综合惩罚因子与用户聚类两种策略来改进基于用户的协同过滤算法。通过实验验证,综合改进比任意的单一改进在推荐效率与推荐质量都要优越。3.根据某公司业务的特定手机应用场景和具体需求,应用提出的协同过滤算法设计并实现了文章推荐子系统。该子系统主要包含用户日志收集与处理模块、用户与推荐对象建模模块、推荐模块和推荐列表展示模块,并且对这四个模块进行设计与实现。

关键词：推荐系统协同过滤基于用户的协同过滤算法 k-means聚类算法用户相似度惩罚因子推荐系统实现

来源：评论

学校读者我要写书评

暂无评论

面向个性化网站的增量协同过滤推荐方法

引用

计算机工程与应用 2019年第4期55卷 225-232页

作者：李婷张瑞芳郭克华中南大学信息科学与工程学院长沙410083 南京理工大学高维信息智能感知与系统教育部重点实验室南京210094

为了解决个性化网站中很少考虑用户检索意图,检索效果较差的问题,提出了一种有效的增量协同过滤推荐方法。该增量协同过滤推荐模型改进了最流行的推荐算法之一的协同过滤算法,并应用到个性化网站中。通过分析Web日志提取用户的浏览行为... 详细信息

为了解决个性化网站中很少考虑用户检索意图,检索效果较差的问题,提出了一种有效的增量协同过滤推荐方法。该增量协同过滤推荐模型改进了最流行的推荐算法之一的协同过滤算法,并应用到个性化网站中。通过分析Web日志提取用户的浏览行为,将其归一化为用户对项目的评分值,并利用改进的相似度计算方法得到用户之间的相似度值,从中选择能够表现用户偏好的最近邻集合进行评分预测后对结果排序,将排序后的结果作为推荐列表返回给用户。最后设计增量更新算法实时有效地更新用户的历史偏好数据。实验表明,增量协同过滤推荐模型适用于个性化网站,利用该方法可以使推荐结果更加符合用户意图。

关键词：个性化网站基于用户的协同过滤算法推荐系统用户意图增量式更新

来源：评论

学校读者我要写书评

暂无评论

专家评审系统中恶意评分识别技术的研究

专家评审系统中恶意评分识别技术的研究

引用

作者：仲雨露云南大学

学位级别：硕士

项目评审系统是为确定主题事项达到规定目标的适宜性、充分性和有效性所进行的活动而设计的系统,在移动互联网的背景下,传统的项目评审模式已无法适应专家项目评审评分系统高效,可重用的需求,而基于网络的项目评审系统可以满足以上需求... 详细信息

项目评审系统是为确定主题事项达到规定目标的适宜性、充分性和有效性所进行的活动而设计的系统,在移动互联网的背景下,传统的项目评审模式已无法适应专家项目评审评分系统高效,可重用的需求,而基于网络的项目评审系统可以满足以上需求。但同时由于评分过程是主观过程,无法避免存在恶意行为,即恶意评分。恶意评分的存在,使得评审系统的公正,公平及规范性无法得到保证,为保证评审系统公正性,规范评审系统,使评审项目得到公评对待,必须识别恶意评分。针对以上问题,本文旨在识别评分过程中的恶意评分,其实质是通过协同过滤算法实现推荐系统,通过以前的历史评分记录将专家聚类,通过相关类中其他专家的评分数据评价此次该专家的评分是否为恶意。本文的主要研究内容主要包括以下几个方面：一、系统分析了推荐系统的几种算法：协同过滤推荐、基于效用推荐、基于知识推荐、基于规则推荐、基于内容推荐,最后通过综合比较得出适用于专家评审系统中识别恶意评分的算法为：协同过滤算法。二、比较了基于用户的协同过滤算法和基于物品的协同过滤算法,深入分析了协同过滤算法的核心与关键技术,最后通过综合比较得出适用于专家评审系统中识别恶意评分的算法为：基于用户的协同过滤算法。三、实现了适用于专家评审系统中识别恶意评分的基于用户的协同过滤算法,为实现基于用户的协同过滤算法对恶意评分的识别,首先要计算专家之间的相似度,以此作为专家分组聚类的依据,其次建立评价矩阵,再次通过目标专家对任意项的兴趣度的预测值的计算得出推荐预测评分,最后通过MAE验证协同过滤算法的准确程度。最后本文依托于某单位科技项目评审系统,实现协同过滤算法识别评审系统中的恶意评分行为,用一定的专家作为测试用户,实际评分分数与预测评分分数的评价指数较为接近,说明基于用户的协同过滤算法在预测恶意评分方面表现优秀,通过这种实现了恶意评分识别技术的评审系统的实现证明了本论文实践上的有效性,最后通过比较差异率,识别出恶意评分,错误检测率较低,识别结果优秀。

关键词：恶意评分推荐系统协同过滤基于用户的协同过滤算法

来源：评论

学校读者我要写书评

暂无评论

推荐算法及其在电力营销中的应用

推荐算法及其在电力营销中的应用

引用

作者：张敏山东大学

学位级别：硕士

电力购售电市场放开后,购电方和售电方可以通过双边协商实现电能交易。但购电方,即电力大用户如何从繁多的售电方(发电商)中找到适合的交易对象,是一个有待研究的课题。为促进电力市场的发展,电网营销工作人员负有为购售电双方积极牵线... 详细信息

电力购售电市场放开后,购电方和售电方可以通过双边协商实现电能交易。但购电方,即电力大用户如何从繁多的售电方(发电商)中找到适合的交易对象,是一个有待研究的课题。为促进电力市场的发展,电网营销工作人员负有为购售电双方积极牵线搭桥的责任,但在不掌握用户明确购电喜好,且无法获得足够数量购售电行为历史数据的前提下,要想做好这项牵线搭桥工作,必须充分利用大量的其他相关信息来进行。围绕大用户直购电过程中存在的信息过载情况下的购电推荐问题,本文对推荐算法的关键技术、基于用户协同过滤的购电推荐算法及其应用等展开研究,主要工作包括以下几点。首先,详细介绍了我国主流的3种大用户直购电交易组织形式,并分析了推荐系统的构建及评测方法,为后续研究奠定了理论基础。定性分析了推荐系统中常用的用户行为数据,并详细比较了各种推荐算法,应用场景,优缺点。分析表明,目前购电场景自主交易用户少,用户偏好不明显,应采用用户隐性反馈数据集及相应的推荐算法。随后,针对大用户直购电的交易对象推荐问题,提出了基于用户协同过滤的购电推荐算法。就用户隐性反馈数据集的选取进行了深入分析,确定了适用于基于用户的协同过滤推荐算法的用户行为数据。对数据集中的可变数据,通过对比分析常用的相似性度量算法,提出以马氏距离为核心度量方法,构建基于用户的推荐算法,同时对于其他不变数据,也分别提出了相应的处理方法,尤其是为考虑行业类别对购电行为的影响,将金字塔模型用于行业类别的处理。针对山东省大用户直购电交易,对其用户行为数据进行了细致的分析,提出将用户行为数据分成四个维度,在此基础上建立了可灵活适用不同算法的电力用户模型。为验证本文提出的基于用户的协同过滤购电推荐算法,合理简化可公开获取的用户行为数据,进行了算例仿真,结果验证了算法的可行性。将本文算法应用于工程实际,设计并实现了推荐系统,通过对系统需求分析,提出了四种对应方案,并展示了基于用户消费行为的购电推荐系统的应用效果。

关键词：大用户直购电基于用户的协同过滤算法马氏距离 LARS金字塔模型购电推荐

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤的电子商务推荐研究

引用

电子技术与软件工程 2020年第13期 140-141页

作者：陶建强德州职业技术学院山东省德州市253000

本文针对基于协同过滤的电子商务推荐做出一定研究。通过对电子商务个性化推荐模型的设计,在K-Means聚类算法的基础上针对基于用户的协同过滤算法、基于聚类优化后的协同过滤推荐算法以及基于内容的协同过滤推荐算法做出一定的研究,最... 详细信息

本文针对基于协同过滤的电子商务推荐做出一定研究。通过对电子商务个性化推荐模型的设计,在K-Means聚类算法的基础上针对基于用户的协同过滤算法、基于聚类优化后的协同过滤推荐算法以及基于内容的协同过滤推荐算法做出一定的研究,最后通过实验验证得出最适合个性化推荐的一种推荐算法。

关键词：协同过滤个性化推荐推荐算法电子商务聚类算法聚类优化基于用户的协同过滤算法 K-Means

来源：评论

学校读者我要写书评

暂无评论

基于智能推荐的研究生选课系统研究

引用

教书育人（高教论坛） 2021年第11期 38-41页

作者：于源左景垠安瑛杨阳北京化工大学机电工程学院北京化工大学研究生院

本文针对研究生选课过程中存在的问题,设计了基于智能推荐的研究生选课推荐系统。系统主要包括"先验"课程推荐、"后验"课程推荐和"智能"课程推荐。引入协同过滤推荐算法,系统可实现"智能"、个... 详细信息

本文针对研究生选课过程中存在的问题,设计了基于智能推荐的研究生选课推荐系统。系统主要包括"先验"课程推荐、"后验"课程推荐和"智能"课程推荐。引入协同过滤推荐算法,系统可实现"智能"、个性化课程推荐。以机械工程专业的研究生选课为例,结合实例对比分析了基于项目和基于用户的协同过滤推荐算法的实现原理及其在研究生选课系统中算法的适用性。分析结果表明:在研究生选课推荐系统中,ItemCF算法比UserCF算法更能发挥优势,适用性更强。

关键词：研究生选课智能推荐基于用户的协同过滤算法基于项目的协同过滤算法

来源：评论

学校读者我要写书评

暂无评论

社交电视推荐系统的建立及展望

引用

科技创新导报 2015年第32期12卷 204-205,208页

作者：李婧夕央视市场研究股份有限公司北京100088

随着移动互联网的高速发展,传统电视媒体的优势正被逐渐侵蚀。收视率下降、广告收入下滑、受众老化等各类因素都在倒闭传统电视媒体的改革。为了减少与新媒体的隔阂,重塑媒体霸主地位,央视及各省级卫视纷纷推出电视终端应用。社交电视,... 详细信息

随着移动互联网的高速发展,传统电视媒体的优势正被逐渐侵蚀。收视率下降、广告收入下滑、受众老化等各类因素都在倒闭传统电视媒体的改革。为了减少与新媒体的隔阂,重塑媒体霸主地位,央视及各省级卫视纷纷推出电视终端应用。社交电视,作为兼具"看+聊+玩"功能的C端产品,受到业界的广泛关注,但互动社交这个核心模块未能被真正激活是一大缺憾。该文以社交电视互动社交模块这个市场缺口为中心,通过研究用户社会属性、兴趣偏好及行为轨迹,运用基于用户的协同过滤算法进行建模,最终建立一个能被有效运用的具有"节目内容+社交圈子+互动活动"功能的推荐系统,这也正是该文的最大创新点。

关键词：社交电视用户兴趣模型基于用户的协同过滤算法推荐系统

来源：评论

学校读者我要写书评

暂无评论

A User-based Collaborative Filtering System for Posts Recommendation

A User-based Collaborative Filtering System for Posts Recomm...

引用

作者：沈维洋华中师范大学

学位级别：硕士

现阶段,论坛是用户交流想法以及分享知识的一个重要场所,比如天涯论坛、虎扑论坛、百度贴吧等仍然拥有大量的用户群体。通常一个论坛(有时也被称为BBS-Bulletin Board System)由站长创建,并设立各级管理人员对其进行管理。一个论坛最核... 详细信息

现阶段,论坛是用户交流想法以及分享知识的一个重要场所,比如天涯论坛、虎扑论坛、百度贴吧等仍然拥有大量的用户群体。通常一个论坛(有时也被称为BBS-Bulletin Board System)由站长创建,并设立各级管理人员对其进行管理。一个论坛最核心的部分是它设置了各色各样的主题,用户可以关注和取消关注某个主题。每个主题下还有大量的帖子,帖子可以被收藏、点赞、置顶、加精等。然而,由于现在帖子的数量急剧增多,信息过载严重,很多时候用户难以浏览到自己真正感兴趣的帖子,因此推荐系统作为一种重要的辅助的技术手段被应用到论坛系统当中。推荐系统是一种重要的信息过滤手段,它能够根据用户的历史行为、社交关系、兴趣点、所处上下文环境等信息去判断用户当前需要或感兴趣的对象并为用户提供个性化的服务。现在,大部分论坛都采用了基于时间倒排、帖子热度、是否加精、是否置顶等方式为用户进行帖子推荐,这些方式中几乎没有包含个性化的信息,而个性化推荐系统能够针对用户的行为习惯,偏好兴趣等进行针对性的推荐,需要注意的是个性化帖子推荐系统并不是为了替代这些方式,而是对这些推荐方式进行补充。随着这些年来对推荐系统的研究,很多研究中的难点和重点得到研究者的关注,比如(1)、冷启动问题,冷启动问题主要包括新用户问题和新对象问题,因为系统中没有存储或者存储很少新用户或者新对象(如帖子,商品等)的信息,像基于模型的方法可能无法获得训练数据而基于规则的方法则难以进行推理等。(2)、数据稀疏问题,在很多大型系统中,总有很多对象没有经过用户的评价或者浏览,往往这些对象的数量是非常大的,这会导致任意两个用户之间的差别都比较大,从而使模型不能很好的工作。现阶段,国内外学者都对推荐算法进行了深入和广泛的研究。本论文采用了基于用户的协同过滤算法,根据用户最近的浏览记录(本论文采用的数据集并未包含浏览记录信息,因此实际系统实现时使用了收藏记录)来计算用户的相似度,并为目标用户提供个性化推荐服务。论坛推荐系统有三个特点,一是论坛用户并不会对某个帖子进行评分,因此我们就无法获得显性的数据来表征一个帖子的好坏以及受欢迎程度,我们需要通过点击量、收藏量、评论数之类的隐性反馈来构建模型以表征帖子的好坏以及受欢迎程度。二是论坛用户更加倾向于阅读帖子而不是回复其他用户,因此当我们计算相似用户或者相似帖子的时候,会存在着数据稀疏问题。三是论坛设置很多内容相对比较集中的主题,因此不同帖子在一定程度上可以说已经聚类到不同的主题当中了。只有当我们结合论坛的特点进行推荐系统的设计才可能为用户提供更加高质的推荐服务,针对论坛的特点以及对当前推荐算法的分析,本论主要实现了一种基于用户的协同过滤系统,主要工作包括以下几个方面。(一)、帖子质量打分。在帖子预处理过程中,我们需要有一种方式来评估帖子的质量,以便提高推荐系统的推荐效率。通过分析和研究,我们选取用户的等级、帖子发布时间、用户的经验、用户的权限、帖子的长度、帖子的情感倾向、帖子的图片数量等作为模型输入特征,帖子赞和踩数量的组合作为输出目标来构建一个回归模型。本论文中,回归模型采用了SVR模型,并通过MSE(MeanSquareError)以及决定系数(R-Square)来衡量SVR模型的好坏。一个帖子质量的分数可以作为推荐列表生成的重要依据,比如从个性化主题中获取帖子列表,除了考虑时间因素外,另外一个重要因素就是需要考虑帖子的质量得分,帖子的质量得分还可以用在混合推荐算法中,后端响应请求返回的帖子列表可以按照帖子质量得分进行排序然后输出。(二)、改进的k-means用户中心选择。在本论文中,为了减少计算量以及获得相似用户,我们采用了k-means算法对用户进行聚类。传统k-means方法的初始中心是随机生成的,随机的中心选取方式可能会使得最终聚类的结果差别较大。在本论文中,我们认为将有较大影响力的用户作为聚类中心可能会得到更好的聚类效果。首先,我们构建了一个用户回复关系矩阵A,然后再构建一个影响力矩阵B,通过两个矩阵的迭代相乘,我们最终便能够得到每个用户的影响力。通过这种方式,大约平均6次迭代,迭代便能够收敛了,其中需要注意的是我们每次将两个矩阵相乘之后需要将排序矩阵B中的每个元素按比例线性减小到和为1的矩阵,另外为了避免所有的有影响力的用户都是同一个主题下的用户,导致比较差的聚类效果,在实现推荐系统的过程中,我们将按照影响力排名当中相邻用户相似度大于0.5(只根据他们关注的主题)的用户删除。通过以上方式我们得到了最终改进的用户中心列表,并将其应用到k-means算法当中使得推荐系统性能得到一定的提升。(三)、推荐系统设计和实施。本论文基于成熟的Web开发技术(Python+Django),实现了帖子推荐系统的基本功能,如帖子详细页面、推荐列表页面等。在本论文中,基

关键词：基于用户的协同过滤算法混合推荐算法用户聚类 k-means算法改进用户中心选择帖子质量打分

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：