检索结果-内蒙古大学图书馆

系统工程理论与实践 2023年第9期43卷 2579-2594页

作者：胡春华陈聪陈泰任缪和陈皖湖南工商大学长沙人工智能社会实验室长沙410205 湘江实验室长沙410205 湖南工商大学移动商务智能湖南省重点实验室长沙410205 新墨西哥大学电子与计算机工程系阿尔伯克基87131

如何有效分析用户兴趣并实时推荐其感兴趣的商品或服务,是商务智能发展面临的新挑战.现有推荐算法大多只考虑推荐的准确性,忽略了用户的实时性和多样性需求,导致推荐结果较滞后且同质化,影响用户满意度.文中根据用户在选购商品过程中的... 详细信息

如何有效分析用户兴趣并实时推荐其感兴趣的商品或服务,是商务智能发展面临的新挑战.现有推荐算法大多只考虑推荐的准确性,忽略了用户的实时性和多样性需求,导致推荐结果较滞后且同质化,影响用户满意度.文中根据用户在选购商品过程中的兴趣变化特征,提出基于自注意力机制的实时多样性推荐算法,有效挖掘用户潜在兴趣.首先基于自注意力机制的门限循环单元网络挖掘用户实时兴趣,并采用对比学习的方法对商品进行差异性分类,获得多样性推荐列表;其次结合循环神经网络对用户下一次行为进行预测,可有效解决实时推荐场景下数据稀疏问题.最后使用国内外Rec Sys和IJCAI-15比赛中的电子商务数据集Yoochoose以及Tmall,对算法的准确性、多样性和用户满意度三项指标进行验证,结果表明,文中所提算法在不损失实时推荐准确性的前提下,丰富了推荐结果的多样性,且用户满意度高于同类算法,尤其在数据稀疏的小样本数据集中表现更优.

关键词：实时兴趣多样性推荐自注意力机制用户满意度

来源：评论

学校读者我要写书评

暂无评论

基于商品购买关系网络的多样性推荐

引用

系统管理学报 2020年第1期29卷 61-72页

作者：王茜喻继军中山大学管理学院

如何为消费者提供多样性商品推荐,已成为个性化推荐领域研究的热点。传统多样性推荐常采用随机或评分逆序的方法选择多样性商品,存在无法为消费者准确推荐多样性商品的不足。针对于此,借鉴网络信息扩散的原理,将消费者购买记录二部图转... 详细信息

如何为消费者提供多样性商品推荐,已成为个性化推荐领域研究的热点。传统多样性推荐常采用随机或评分逆序的方法选择多样性商品,存在无法为消费者准确推荐多样性商品的不足。针对于此,借鉴网络信息扩散的原理,将消费者购买记录二部图转换为商品购买关系网络,采用全邻域方法分析网络中商品节点的重要性;在此基础上,利用关联规则算法计算与推荐预测评分最高商品具有关联关系的关键节点,以此关键节点作为多样性商品推荐的依据,提出基于购买关系网络的多样性推荐方法。研究结果表明,与传统多样性推荐方法相比,新的推荐方法可为消费者更准确地推荐多样性商品的同时,该方法通过关键节点间的推荐级联关系所形成的商品推荐扩散效应,可有效地提升长尾商品的推荐。

关键词：商品购买关系网络多样性推荐关键节点长尾商品

来源：评论

学校读者我要写书评

暂无评论

多模态下的互补物品的多样性推荐

引用

小型微型计算机系统 2021年第9期42卷 1859-1864页

作者：肖庆华刘学军施浩杰南京工业大学计算机科学与技术学院南京211816

互补替代推荐在现代推荐系统中起着十分重要的作用,如何对现有推荐系统进行升级并给出更细粒度的推荐成了学术界研究的热点.为了解决互补替代推荐系统的精度不高以及缺乏多样性的问题,提出了一种基于图片、文本以及评分的多模态互补物... 详细信息

互补替代推荐在现代推荐系统中起着十分重要的作用,如何对现有推荐系统进行升级并给出更细粒度的推荐成了学术界研究的热点.为了解决互补替代推荐系统的精度不高以及缺乏多样性的问题,提出了一种基于图片、文本以及评分的多模态互补物品多样性推荐算法.结合卷积神经网络、文本向量化以及贝叶斯推断3种方法,使得推荐系统能够推荐更准确的互补物品;通过对用户偏好的多样性进行分析,使得推荐系统能够推荐更具多样性的互补物品.对亚马逊商城公开数据集进行实验,结果表明,该方法能够提高推荐结果的准确性,更为有效地为用户推荐多样的商品.

关键词：互补推荐多样性推荐卷积神经网络词向量贝叶斯推断

来源：评论

学校读者我要写书评

暂无评论

电商平台中基于用户兴趣的实时多样性推荐

电商平台中基于用户兴趣的实时多样性推荐

引用

作者：陈聪湖南工商大学

学位级别：硕士

随着电子商务的飞速发展,网络购物已成为现代生活中不可或缺的一部分。为经济带来发展,给用户提供方便快捷的同时,但出现了商品和服务信息过载、用户网购体验不佳、个性化需求难满足等突出问题。如何有效分析用户兴趣并实时推荐其感兴... 详细信息

随着电子商务的飞速发展,网络购物已成为现代生活中不可或缺的一部分。为经济带来发展,给用户提供方便快捷的同时,但出现了商品和服务信息过载、用户网购体验不佳、个性化需求难满足等突出问题。如何有效分析用户兴趣并实时推荐其感兴趣的商品或服务,是电子商务发展面临的新挑战。现有实时序列推荐算法大多只考虑推荐的准确性,忽略了用户兴趣的多样性需求,导致推荐结果较滞后且同质化,影响用户满意度。同时,国内外研究均指出了推荐多样性的重要性,然而,由于用户兴趣多样且在商品浏览过程中不断变化,如何从实时数据中快速捕捉用户兴趣、结合实时兴趣的特点,提供准确且多样的推荐服务,改善用户购物体验,提高用户满意度,仍是电子商务推荐亟待解决的问题。针对上述问题,根据用户在选购商品过程中的兴趣变化特征,提出基于自注意力机制的实时多样性推荐算法挖掘用户实时兴趣;同时针对实时推荐中商品属性数据缺失问题,根据用户实时交互情况进行商品多样性划分,结合循环神经网络对用户下一次行为进行预测,生成多样性推荐列表。最后使用Rec Sys挑战赛中的真实电子商务数据集Yoochoose进行验证,文中所提算法在不损失实时推荐准确性的前提下,提高了个体多样性指标,且用户满意度明显高于同类算法。

关键词：实时兴趣多样性推荐自注意力机制用户满意度序列推荐

来源：评论

学校读者我要写书评

暂无评论

基于全连接张量网络的多模态与多样性推荐算法

引用

计算机系统应用 2023年第2期32卷 63-74页

作者：孟诗蓓郑睿常亮陈玉珑孟睿伟程诺北京师范大学人工智能学院北京100875 北京师范大学数学科学学院北京100875 上海交通大学上海200240 中国国家博物馆北京100006

在全媒体时代下,基于多模态数据的推荐具有重要意义.本文使用文本、音频、图像3种模态数据进行推荐,通过两个阶段进行张量融合:第1阶段通过3个平行分支对任意两个模式的相关性进行建模和融合,第2阶段再将3个分支的结果进行融合,不仅考... 详细信息

在全媒体时代下,基于多模态数据的推荐具有重要意义.本文使用文本、音频、图像3种模态数据进行推荐,通过两个阶段进行张量融合:第1阶段通过3个平行分支对任意两个模式的相关性进行建模和融合,第2阶段再将3个分支的结果进行融合,不仅考虑了两模态之间的局部交互作用,并且消除了模态融合顺序对结果的影响;在推荐模块中,将融合特征通过堆叠降噪自编码器作为协同过滤的辅助特征进行推荐.本文所构建的推荐系统中模态融合与推荐采用端到端的训练过程.同时,为了解决推荐结果中存在的相似度高、多样性差的问题,我们基于二阶段的张量模态融合特征构建相似度矩阵,在已有推荐结果的基础上进一步精化结果,实现快速的多样性推荐.实验证明,基于本文提出的多模态融合特征的推荐模型不仅能够有效地提升推荐性能,并且能够增强推荐结果的多样性.

关键词：张量网络多模态融合多样性推荐堆叠降噪自编码器协同过滤推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于上下文感知并面向多样性的API推荐

引用

计算机研究与发展 2023年第10期60卷 2335-2347页

作者：赖宝强李征赵瑞莲郭俊霞北京化工大学信息科学与技术学院北京100029

软件开发者在开发过程遇到应用程序编程接口(application programming interface,API)使用问题时,通常希望能够得到有效的API使用模式建议,从而帮助其学习和使用.传统的API推荐方法会挖掘和学习代码库中API的使用知识,然后给开发者推荐... 详细信息

软件开发者在开发过程遇到应用程序编程接口(application programming interface,API)使用问题时,通常希望能够得到有效的API使用模式建议,从而帮助其学习和使用.传统的API推荐方法会挖掘和学习代码库中API的使用知识,然后给开发者推荐与上下文相关的API.然而由于上下文信息表征不够充分,以及推荐列表中冗余项和同质化内容的出现影响了推荐性能.针对这一问题,构建项目和方法与API的API层次调用图(API hierarchy call graph,AHCG)模型以更好地表达API上下文关系,充分利用API结构信息和语义信息来减少冗余项和降低同质化内容被推荐的可能性,进而提出基于上下文感知并面向多样性的API推荐(context-aware based API recommendation with diversity,CAPIRD)方法.该方法中引入相关性度量和关联性度量,最大限度地保留相关结果,同时平衡已选API与候选API的关联性,以尽可能挖掘到合理的初选API列表.最后结合最大边缘相关算法,在标准模式数据集上学习相关性和关联性的最佳权重组合,并进行多样性重排推荐.在2210个项目构成的3类数据集上进行实验并验证推荐性能,实验结果表明,CAPIRD在基于上下文的API推荐场景下能够有效提高推荐性能.在所有数据集的API推荐中,平均精度(mean average precision,MAP)指标平均提升值约9%,在Top-1的推荐中,成功率(success rate)指标平均提升约13%.

关键词： API推荐 API使用模式图模型多样性推荐重排

来源：评论

学校读者我要写书评

暂无评论

Web数据库top-k多样性关键字查询推荐方法

引用

计算机研究与发展 2017年第7期54卷 1577-1591页

作者：孟祥福毕崇春张霄雁唐晓亮唐延欢辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105 辽宁工程技术大学软件学院辽宁葫芦岛125105

Web数据库用户通常使用他们熟知的关键字表达查询意图,这可能导致获取的结果不能很好满足其查询需求,因此为他们提供top-k个与初始查询语义相关且多样化的候选查询有助于用户扩展知识范围,从而更准确完善地表达其查询意图.提出一种top-... 详细信息

Web数据库用户通常使用他们熟知的关键字表达查询意图,这可能导致获取的结果不能很好满足其查询需求,因此为他们提供top-k个与初始查询语义相关且多样化的候选查询有助于用户扩展知识范围,从而更准确完善地表达其查询意图.提出一种top-k多样性关键字查询推荐方法.1)利用不同关键字在查询历史中的同现频率和关联关系评估关键字之间的内耦合和间耦合关系;2)根据关键字之间的耦合关系构建语义矩阵,进而利用语义矩阵和核函数方法评估不同关键字查询之间的语义相关度.为了快速返回top-k个与初始查询相关且多样性的候选查询,根据查询之间的语义相关度,利用概率密度函数分析查询的典型程度,并利用近似算法从查询历史中找出典型查询.对于所有的典型查询,从中选出少数代表性查询,根据其他典型查询与代表性查询之间的语义相关度,为每个代表性查询构建相应的查询序列;当一个新的查询到来时,评估其与代表性查询之间的语义相关度,然后利用阈值算法(threshold algorithm,TA)在预先创建的查询序列上快速选出top-k个与给定查询语义相关的多样性候选查询.实验结果和分析表明:提出的关键字之间耦合关系计算和查询之间的语义相关度评估方法具有较高准确性,top-k多样性选取方法具有较好效果和较高执行效率.

关键词： Web数据库多样性推荐耦合关系典型化分析 top—k选取

来源：评论

学校读者我要写书评

暂无评论

一种融合个性化与多样性的人物标签推荐方法

引用

中文信息学报 2017年第2期31卷 154-162页

作者：颛悦熊锦华程学旗中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室北京100190 中国科学院大学北京100190

针对人物标签推荐中多样性及推荐标签质量问题,该文提出了一种融合个性化与多样性的人物标签推荐方法。该方法使用主题模型对用户关注对象建模,通过聚类分析把具有相似言论的对象划分到同一类簇;然后对每个类簇的标签进行冗余处理,并选... 详细信息

针对人物标签推荐中多样性及推荐标签质量问题,该文提出了一种融合个性化与多样性的人物标签推荐方法。该方法使用主题模型对用户关注对象建模,通过聚类分析把具有相似言论的对象划分到同一类簇;然后对每个类簇的标签进行冗余处理,并选取代表性标签;最后对不同类簇中的标签融合排序,以获取Top-K个标签推荐给用户。实验结果表明,与已有推荐方法相比,该方法在反映用户兴趣爱好的同时,能显著提高标签推荐质量和推荐结果的多样性。

关键词：人物标签推荐多样性推荐标签冗余标签质量

来源：评论

学校读者我要写书评

暂无评论

面向随机型群组的活动推荐模型研究与实现

面向随机型群组的活动推荐模型研究与实现

引用

作者：佟猛越北京邮电大学

学位级别：硕士

随着互联网的迅速发展,许多用户选择在诸如论坛、贴吧、短视频直播平台等社交网络中分享自己的生活。在这些网络平台中,用户更多的以群组的形式进行信息分享,群组推荐的需求日益增强。如何准确获取群组内部成员的偏好表示并采用合理的... 详细信息

随着互联网的迅速发展,许多用户选择在诸如论坛、贴吧、短视频直播平台等社交网络中分享自己的生活。在这些网络平台中,用户更多的以群组的形式进行信息分享,群组推荐的需求日益增强。如何准确获取群组内部成员的偏好表示并采用合理的偏好聚合模型刻画群组偏好特征是群组推荐的核心问题。不少学者在此问题的研究中提出了一些有效的解决方案,但对于随机型群组的推荐问题并未进行深入研究,而在兴趣论坛、社交平台中,随机型群组更加活跃,此类群组具有组内成员数量不固定、兴趣差异较大且成员之间没有明确的社会联系等特点,而且平台用户数量激增导致群组规模逐渐变大。本文主要关注群组推荐问题中的群组成员偏好表示、群组偏好聚合策略的研究;此外多样性推荐也是本文研究内容之一,多样化的内容在增加用户的满意度和体验感的同时可以提高系统内信息的流通效率。因此本文针对两种不同特点的随机型群组,研究分析了群组偏好聚合策略,同时结合实际应用场景,对多样性推荐进行了深入研究。本文的主要内容包括以下几部分:(1)本文提出了基于成员关系和综合影响力的群组推荐模型,该模型改进了传统的聚类算法,并基于群组内部成员之间的多种关系和综合影响力对群组特征表示进行建模,引入成员之间信任力改进传统推荐算法。通过在两个真实的数据集上的实验验证,实验结果表明所提模型较基准模型推荐性能更加优越。(2)本文提出了一种融合双层关系偏好聚合策略的群组推荐模型,采用神经自注意网络挖掘群组成员之间的深层隐式关系得到群组特征的初步表示,同时使用注意力机制通过挖掘组内成员的历史交互项目和目标项目之间的相关性刻画成员的偏好贡献权重参数;并通过交互式学习框架NCF(Neural Collaborative Filtering)学习群组与项目的交互关系,采用基于逻辑回归的损失算法对推荐结果中的项目进行排序优化。最终,通过在公开数据集进行实验,实验结果表明该模型因其新颖的聚合策略相比其他群组推荐模型有更好的推荐效果。(3)本文提出了一种基于用户偏好多样性分布的推荐模型,该模型使用Epanechnikov核密度估计用户的兴趣分布,同时分析了同一用户对不同项目的历史评分差异对用户偏好表示的影响程度,学习不同目标项目类别的权重参数重新排序推荐列表。通过在两个数据集上与其他基准模型进行对比实验,结果表明本文所提模型实现了推荐准确率和推荐结果多样性之间的平衡,提高了用户的满意度。(4)本文提出了一种基于贪心策略的多样性群组推荐算法,将目标问题定义为二准则优化问题,通过贪心策略经过k次迭代求解最终的多样性推荐列表,并且通过在两个评分数据集模拟随机群组进行对比实验。(5)本文分析了所提出的四个模型的特点,在此基础之上,针对不同的群组特点和单个用户,设计并实现了群组活动推荐系统,该系统可针对单个用户和不同规模的随机型群组进行活动推荐,提高了推荐准确率,同时可以为用户推荐多样化的活动内容,提高了用户的体验感和满意度。

关键词：群组推荐偏好聚合随机型群组偏好分布多样性推荐

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的个性化新闻推荐

基于深度学习的个性化新闻推荐

引用

作者：任润西南财经大学

学位级别：硕士

在互联网时代,个性化新闻推荐是一种很重要的方法,能够帮助人们在海量的新闻中迅速找到自己感兴趣的内容。新闻推荐过程通常分为“召回”和“排序”两个阶段。召回阶段是从大量的候选新闻中快速筛选出一部分,目标是尽可能多地包含用户... 详细信息

在互联网时代,个性化新闻推荐是一种很重要的方法,能够帮助人们在海量的新闻中迅速找到自己感兴趣的内容。新闻推荐过程通常分为“召回”和“排序”两个阶段。召回阶段是从大量的候选新闻中快速筛选出一部分,目标是尽可能多地包含用户真正感兴趣的新闻;排序阶段则是将召回的新闻按用户可能感兴趣的程度从大到小排序,最终将排序最靠前的新闻推荐给用户。在目前大多数新闻推荐方法中,召回阶段通常难以充分挖掘新闻潜在的语义信息导致效果受限,并且容易忽视用户对新闻多样性的需求;排序阶段通常建立一个对历史点击新闻有丰富短期依赖性的顺序推荐任务模型,这会忽视用户对新闻的时间多样性偏好和用户兴趣的动态迁移性。针对以上问题,本文提出了基于深度学习的个性化新闻推荐方法。首先,在推荐召回阶段,本文提出了一种将热度召回、聚类召回和基于预训练语义召回三种模型进行融合的“强化召回”模型。热度召回模型将时间因素考虑在内并依据用户点击量形成热度排行榜进行召回;聚类召回模型根据用户进行聚类,在目标用户所在类和其他类内分别选择与目标用户相似度最大的前几个用户作为最近邻,将这些用户喜欢的新闻推荐给目标用户,可以使新闻推荐结果更具多样性;基于预训练语义召回模型将使用预训练模型Ro BERTa进行新闻和用户建模,将用户行为序列和新闻信息进行充分的融合,可以有效提高召回率。因此,融合了三种召回模型的“强化召回”模型可以在提高推荐准确率的基础上增加推荐列表新闻的多样性。其次,在推荐排序阶段,本文提出了基于会话的注意力机制与时间多样性推荐(Attention Mechanism and Temporal Diversity Recommendation Based on Conversation,AMTR-BC)。在会话内和会话间分别使用自注意力机制和注意力机制,学习用户在会话内的主要阅读兴趣和当前会话与历史会话之间用户兴趣的关联程度,从而捕捉用户兴趣的动态迁移性;构建并计算全局和近期的用户兴趣相关性得分,通过两者的线性组合获得最终的点击得分,这样可以鼓励推荐不同于最近阅读的新闻,满足用户对新闻时间多样性的需求。最后,将本文所提出的个性化新闻推荐算法模型应用在微软公开的新闻数据集MIND上,通过实验调整参数后与常见的推荐模型进行效果对比,实验结果表明本文所提出的方法在推荐效果上优于所对比的方法,证明了其可行性和有效性。

关键词：个性化新闻推荐深度学习注意力机制强化召回多样性推荐

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：