检索结果-内蒙古大学图书馆

作者：胡文琪东华大学

学位级别：硕士

互联网技术的飞快发展带来了海量信息,个性化推荐的出现解决了用户信息超载的问题。在个性化推荐的相关研究中,推荐准确性和多样性的优化得到了长足的发展。但现有无论学术界还是业界都仅关注为所有用户调整推荐的整体多样性,并未单独... 详细信息

互联网技术的飞快发展带来了海量信息,个性化推荐的出现解决了用户信息超载的问题。在个性化推荐的相关研究中,推荐准确性和多样性的优化得到了长足的发展。但现有无论学术界还是业界都仅关注为所有用户调整推荐的整体多样性,并未单独考虑个体因个性特质不同导致的偏好和兴趣的差异。大多数研究仅在电影、音乐等享乐性领域中,探索了用户个性与单个项目偏好之间的联系,很少对推荐准确性多样性的偏好做出研究。针对现有研究缺乏理论基础、研究方法单一等不足之处,本文从“偏好”的概念界定出发,基于认知—情感人格系统理论,使用主观调查问卷、眼动实验、脑电实验多种研究方法旨在从情感、认知和行为三个层面展开用户对推荐准确性和多样性偏好的实证研究,并在其中考虑了用户个性特质和产品类型的作用。不同于以往从用户固有内在特质来划分个性,考虑到个性化推荐系统是为了辅助用户决策,本文从决策风格这一消费者行为的角度将用户个性特质划分为最优化者和满意者。消费者行为研究中常涉及产品类型,因此将产品类型划分为实用品和享乐品。研究结果发现: (1)主观调查结果显示,情感层面的愉悦度和唤醒度、认知层面的感知易用性和有用性、行为层面的选择数量都能反映出用户对推荐准确性多样性存在偏好差异;不同个性特质的用户在唤醒度和感知易用性上会呈现不同的推荐偏好,最优化者在多样性推荐下反而会降低情绪唤醒度和感知易用性; (2)眼动实验结果显示,认知层面的注视总时间和总次数能反映出用户对推荐准确性多样性存在偏好差异;对于不同产品类型,用户会在注视总时间和总次数上呈现出不同的推荐偏好,相比于享乐品,用户在实用品下会更关注多样性推荐; (3)脑电行为实验结果显示,认知层面的P1波幅、行为层面的决策时间能反映出用户对推荐准确性多样性存在偏好差异;不同个性特质用户在反映认知注意的P1、P2波幅和反映行为的决策时间上呈现出不同的推荐偏好,最优化者在多样性推荐下能诱发出较大波幅的认知注意成分P1、P2,并且做出选择的决策时间也更短。通过从个性特质和产品类型的角度研究用户对推荐准确性和多样性的偏好,今后有助于企业可以针对不同个性特质或不同产品类型,根据用户认知、情感、行为不同层面的偏好,为用户个性化地调整推荐准确性或多样性列表,以提升用户体验。

关键词：推荐准确性推荐多样性主观调查眼动实验脑电行为实验

来源：评论

学校读者我要写书评

暂无评论

基于矩阵分解和聚类的协同过滤算法

引用

吉林大学学报（理学版） 2019年第1期57卷 105-110页

作者：董立岩王宇任怡李永丽吉林大学计算机科学与技术学院长春130012 东北师范大学信息科学与技术学院长春130117

基于矩阵分解和聚类提出一种协同过滤推荐算法.先利用交替最小二乘(ALS)算法进行矩阵分解,再利用改进的k-均值聚类算法弥补单一ALS算法在后期协同过滤阶段产生的大计算量问题,解决了由于减小原始矩阵高维度、高稀疏性带来的推荐准确度... 详细信息

基于矩阵分解和聚类提出一种协同过滤推荐算法.先利用交替最小二乘(ALS)算法进行矩阵分解,再利用改进的k-均值聚类算法弥补单一ALS算法在后期协同过滤阶段产生的大计算量问题,解决了由于减小原始矩阵高维度、高稀疏性带来的推荐准确度较低的问题,极大提高了计算速度和推荐精度.实验结果表明,改进算法在推荐准确性上有明显提高.

关键词：矩阵分解聚类协同过滤推荐准确性

来源：评论

学校读者我要写书评

暂无评论

Web-based推荐系统中若干关键问题研究

Web-based推荐系统中若干关键问题研究

引用

作者：孙丽梅东北大学

学位级别：博士

随着互联网的普及以及网络技术的迅猛发展,互联网上的信息数量逐渐呈现信息过载的趋势。此外,随着电子商务的快速发展,电子商务交易规模不断扩大,电子商务网站的商品数量和商品种类均增长迅速。网络技术的快速发展为用户带来便利的同时... 详细信息

随着互联网的普及以及网络技术的迅猛发展,互联网上的信息数量逐渐呈现信息过载的趋势。此外,随着电子商务的快速发展,电子商务交易规模不断扩大,电子商务网站的商品数量和商品种类均增长迅速。网络技术的快速发展为用户带来便利的同时也带来了面对海量信息无从选择的烦恼。依靠用户个人的力量对信息进行收集、整理、分析进而决策的难度非常大,推荐系统应运而生,其本质是一种信息过滤技术的应用。如何有效地分析信息和用户的特征、分析收集到的历史数据并产生有效的决策,是当今推荐系统面临的主要问题,这也给计算机科学研究与工程实践提出了许多具有挑战性的课题。本文针对Web-based推荐系统中的一些关键问题开展研究,主要研究内容包括：提高Web-based推荐算法推荐准确性的方法和技术；现有推荐算法评价体系研究；会话推荐多样性评价指标研究；利用用户上下文信息改善会话推荐多样性的研究。本文主要研究工作如下：(1)在提高预测准确性方面,提出了一种提高预测精度的基于动态k近邻的SlopeOne协同过滤推荐算法。SlopeOne算法利用线性回归模型解决数据稀疏性问题,基于用户相似性的k近邻方法可以优化参与预测的用户评分数据的质量。算法首先根据用户之间的相似性动态地为每个用户选择不同数目的近邻用户,然后利用近邻用户的评分数据生成项目之间的平均偏差,最后利用线性回归模型进行预测。在MovieLens数据集上的实验结果表明,改进的算法在预测精度北原SlopeOne算法有所提高,目能适应数据稀疏度更大的推荐系统。与其他协司过滤算法相比,预测精度也具有明显优势；(2)在Web-based推荐系统的评价体系方面,研究发现随着推荐多样性日益成为推荐系统的重要度量指标之一,目前现有的各种推荐多样性评价指标难以体现用户在整个会话期内推荐项目的多样性,现有的推荐算法均以单次推荐的结果进行评估,未考虑Web-based推荐系统应用中,用户的行为是以会话(Session)为单位的。本文提出了一种会话推荐多样性评价指标,该指标评价推荐多样性时将用户一个会话期内推荐的所有无重复项目占推荐位总数的比例作为评价结果,该指标能够更好地评价用户在会话期内浏览项目的多样性,也更有利于发掘长尾商品,提高推荐转化率；(3)研究了现有的各种提高推荐多样性的算法,发现这些算法通常以牺牲推荐准确性为代价来提高推荐的多样性,且均无法评价推荐系统中用户整个会话期内推荐的多样性。本文分析了现有的推荐系统会话推荐多样性普遍偏低的主要原因是会话推荐树中存在过多的重复结点,提出了一种可以减少冗余推荐的离线offline-UICF会话推荐算法,以会话期为单位进行整体推荐。通过Movielens数据集测试表明,offline-UICF算法既提高了会话推荐多样性,又提高了推荐的准确性；(4)为了利用用户上下文信息改善推荐质量,将用户在会话期内的浏览路径作为推荐上下文,用以改善用户的会话推荐多样性。提出了一种在线online-UICF推荐算法,为每个活跃用户建立会话推荐列表,能够有效避免推荐树中出现推荐环路或弱推荐环路。通过Movielens数据集测试表明,利用online-UICF算法进行在线推荐能大幅度提高会话推荐多样性,同时也提高了推荐准确性；在Web-based推荐系统推荐准确性和会话推荐多样性研究工作的基础上,设计并实现了一种Web-based会话推荐系统SessionRecommender,该系统融合了本文所提出的提高预测精度的基于动态k近邻的SlopeOne算法、提高会话推荐多样性的offline-UICF和online-UICF算法,实现了一个兼具高预测精度和高预测覆盖率的Web-based会话推荐系统。该系统可封装现有的其他推荐引擎,结合本文提出的会话推荐模块,可达到同时提高会话推荐多样性和推荐准确性的效果。SessionRecommender为Web-based应用提供了一种新的推荐系统工具。总之,本文从Web-based推荐系统面临的一些关键问题出发,针对Web-based推荐系统中预测准确性、推荐评估指标体系、会话推荐多样性等关键技术展开研究,提出了提高推荐准确性、提高会话推荐多样性的相关算法,理论分析和大量的实验结果证明了这些方法的有效性和高效性。我们希望基于这些方法和技术进一步开发和完善Web-based推荐系统。

关键词： Web-based推荐系统推荐评价指标推荐准确性推荐多样性协同过滤会话推荐多样性上下文感知推荐

来源：评论

学校读者我要写书评

暂无评论

基于可信数据和用户相似度融合的协同过滤推荐算法研究

基于可信数据和用户相似度融合的协同过滤推荐算法研究

引用

作者：杨明政广东工业大学

学位级别：硕士

互联网作为人们获取信息的主要途径,在给人们生活带来便利的同时,也使得人们不得不面临信息过载的问题。由于推荐系统能有效缓解信息过载,在互联网公司中应用非常广泛,其中,协同过滤推荐系统作为推荐系统领域的重要分支,一直是相关学者... 详细信息

互联网作为人们获取信息的主要途径,在给人们生活带来便利的同时,也使得人们不得不面临信息过载的问题。由于推荐系统能有效缓解信息过载,在互联网公司中应用非常广泛,其中,协同过滤推荐系统作为推荐系统领域的重要分支,一直是相关学者研究的重点。由于协同过滤推荐算法对系统的推荐准确性要求较高,算法的实现通常会很复杂,与此同时,在真实的网络环境中不可避免的存在虚假评分误导用户、算法在处理与用户相关的推荐任务时往往表现不佳等问题,为了解决以上问题,本文提出了一种基于可信数据和改进用户相似度融合的slope one协同过滤推荐算法,本文的主要工作如下:1.在基于用户的协同过滤算法中,用户相似度虽然能使用改进cosine相似度和皮尔逊相关度来得出,但是可能会忽略不同用户对单个项目的评价差异对用户相似度计算所造成的影响,即在计算用户相似度时,用户对项目的评分向量有显著差异时,仍会得到相似的合向量结果,最终影响系统的推荐准确性。针对这一问题,本文提出一种改进的用户相似度算法。该算法在传统的余弦相似度算法中加入了平衡因子来计算不同用户之间的项目评分差异。通过在Movie Lens数据集下测试,得到了最合适的平衡因子值,同时验证了基于该平衡因子的最佳阈值在算法实现中的有效性,有效地缓解了用户对项目评分差异对相似度计算结果的影响,获得了较好的推荐结果。2.深入研究了基于可信数据的融合推荐算法,为了提升在相同可信率下推荐系统的准确性,提出了一种基于可信数据和改进用户相似度融合的slope one算法,该算法包括三个步骤,首先,我们选择具有一定数量的可信数据,其次使用改进的相似度算法计算用户之间的相似度,最后,我们将得来的相似度加权到slope one算法中,得到最终的改进推荐算法。经过一系列实验,最终结果表明本文提出的改进slope one推荐算法比传统的slope one算法在相同可信率下MAE、RMSE指标表现更好,同时在邻居数较低时也能获得较好的推荐性能,缓解了评分矩阵的数据稀疏性,具备很高的实用价值。

关键词：协同过滤用户相似度推荐准确性 slope one算法可信数据

来源：评论

学校读者我要写书评

暂无评论

基于文本处理的新闻推荐算法研究

基于文本处理的新闻推荐算法研究

引用

作者：刘洁长沙理工大学

学位级别：硕士

由于新闻信息量的爆发式增长和现代社会的快速生活节奏,用户对推荐的准确度要求越来越高,在个性化新闻推荐领域,快速准确的从海量新闻中挑选出用户感兴趣的新闻,然后再推送给用户能提高用户的满意度,具有很大的商业价值。本论文依托文... 详细信息

由于新闻信息量的爆发式增长和现代社会的快速生活节奏,用户对推荐的准确度要求越来越高,在个性化新闻推荐领域,快速准确的从海量新闻中挑选出用户感兴趣的新闻,然后再推送给用户能提高用户的满意度,具有很大的商业价值。本论文依托文本语义挖掘对新闻文本内容和用户兴趣爱好建模,分别构建新闻画像和用户画像对新闻和用户进行表示。首先基于实证对比分析三种文本关键词抽取方法,最终采用词频-逆文本频率和空间向量模型对文本进行向量化表达,充分提取了文本中关键词信息,其次依托自编码器对文本内容进行压缩建模,在保留原始信息的同时得到文本的低维向量表示,解决了文本特征稀疏性问题,提高了模型训练的有效性和精确性;再基于用户历史浏览文本信息作为输入,分别采用时间衰减模型、递归神经网络、长短期记忆模型和控制门单元循环网络模型来生成目标用户的兴趣向量;递归神经网络能自发地对用户历史兴趣进行记忆迭代更新,该模型能快速捕捉到用户阅读兴趣的变化,能很好的对用户兴趣进行表达。最终计算用户与文章间相似性挑选相似度前k条新闻为目标用户进行个性化推荐。依托财新网数据进行实验论证,可知,推荐列表的长度对于推荐效果有较大影响,与协同过滤方法相比,文中所采用方法在推荐准确性上提高了 2%,在推荐多样性上提高了 7%;与基于内容推荐方法相比,文中所采用方法在推荐准确性上提高了 13%,在推荐多样性上提高了 8%;同时基于递归神经网络对用户建模的方法相比与时间衰减模型,准确性提高了 8%,多样性提高了 5%,其中长短期记忆模型的效果最佳,验证了本文采用推荐方法的有效性。

关键词：文本语义挖掘压缩降维用户画像推荐准确性

来源：评论

学校读者我要写书评

暂无评论

推荐系统中协同过滤算法的研究及应用

推荐系统中协同过滤算法的研究及应用

引用

作者：弭真真浙江大学

学位级别：硕士

Internet的迅猛发展把我们带到了信息爆炸和电子商务繁荣的时代,海量信息的呈现同时给人们带来了“信息过载”的难题,推荐系统就是旨在解决这一难题而诞生的一项新兴技术。协同过滤算法作为推荐系统中一种重要的推荐算法,具有重要的研... 详细信息

Internet的迅猛发展把我们带到了信息爆炸和电子商务繁荣的时代,海量信息的呈现同时给人们带来了“信息过载”的难题,推荐系统就是旨在解决这一难题而诞生的一项新兴技术。协同过滤算法作为推荐系统中一种重要的推荐算法,具有重要的研究价值和应用价值。本文研究了协同过滤算法的相关技术,包括基于内存的和基于模型的协同过滤算法以及协同过滤技术面临的问题。并针对基于内存的协同过滤算法中的slope one算法存在的问题提出一种改进的基于聚类的slope one算法;为提高推荐准确性,提出两种融合的协同过滤推荐算法;最后详细介绍了协同过滤算法在音乐推荐中的应用。具体的研究工作如下:\n (1)提出一种基于聚类的slope one协同过滤算法,改善了传统slope one算法存在的数据稀疏性和噪音物品等问题。此算法首先利用K-means聚类将物品分为几个子类,然后在每个子类中使用slope one算法,经过实验验证该算法改善了传统slope one算法存在的上述问题,并且推荐效果还有一定程度的提高。\n (2)提出两种融合的协同过滤算法:一种基于相关度的融合算法和一种基于分类思想的融合算法,这两种融合算法都是基于后融合思路提出的。首先使用矩阵分解和受限玻尔兹曼机模型作为单个模型,然后分别利用这两种融合算法对这两个单个模型进行融合,最后通过实验验证这两种融合算法在推荐准确性方面都有不同程度的提高。\n (3)详细介绍了我们将协同过滤算法应用于KDD Cup2011雅虎音乐推荐比赛中的内容,包括比赛简介、比赛数据集介绍、比赛模型的选择、比赛结果分析及讨论。

关键词：推荐系统协同过滤 slope one算法矩阵分解受限玻尔兹曼机推荐准确性 K-means聚类

来源：评论

学校读者我要写书评

暂无评论

基于用户兴趣融合的协同过滤推荐算法

引用

科技与管理 2018年第1期20卷 86-90页

作者：兰小春姚树廷崔国红哈尔滨理工大学经济与管理学院黑龙江哈尔滨150080

协同过滤推荐算法已成功应用在各类门户网站,越来越多的研究者参与其中,然而在协同过滤推荐过程中用户—项目评分矩阵数据稀疏性以及推荐的准确性低等问题,始终制约着该算法的发展。为此,从用户兴趣角度出发,单独构建情景用户兴趣模型... 详细信息

协同过滤推荐算法已成功应用在各类门户网站,越来越多的研究者参与其中,然而在协同过滤推荐过程中用户—项目评分矩阵数据稀疏性以及推荐的准确性低等问题,始终制约着该算法的发展。为此,从用户兴趣角度出发,单独构建情景用户兴趣模型及社交网络用户兴趣模型,再通过Logit Boost算法将2个兴趣模型融合得到准确的用户兴趣模型。Slope One算法填充用户—项目评分矩阵,解决用户—项目评分矩阵数据稀疏性问题;同时,通过用户兴趣模型计算目标用户的最近邻居用户,通过计算用户相似性,得到推荐集来提高协同过滤推荐算法的推荐准确度。

关键词：协同过滤用户兴趣数据稀疏性推荐准确性

来源：评论

学校读者我要写书评

暂无评论

基于时间衰减的物品相似度协同推荐算法改进

引用

现代信息科技 2020年第8期4卷 90-92,95页

作者：陈昕宇杨帆湖北第二师范学院计算机学院湖北武汉430205 湖北省教育云服务工程技术研究中心湖北武汉430205

推荐系统作为信息过滤技术的典型代表,是目前解决信息过载问题的重要实现手段.其中协同过滤算法是目前推荐系统中应用最广泛的推荐算法之一.基于物品的协同过滤推荐算法,实质上是在邻近相似度计算的基础上,根据用户的历史行为特征,给用... 详细信息

推荐系统作为信息过滤技术的典型代表,是目前解决信息过载问题的重要实现手段.其中协同过滤算法是目前推荐系统中应用最广泛的推荐算法之一.基于物品的协同过滤推荐算法,实质上是在邻近相似度计算的基础上,根据用户的历史行为特征,给用户推荐与用户之前喜欢物品相似物品的过程.文章在传统的基于物品推荐的协同算法基础上,针对用户-物品评分矩阵以及数据处理时可能存在的数据稀疏性问题,辅以时间衰减函数与修正的夹角余弦,对传统物品相似度计算方法做出改进,经过实验证明,基于时间衰减的物品相似度协同推荐算法可提高推荐结果准确性.

关键词：时间衰减物品相似度协同过滤推荐相似度计算推荐准确性

来源：评论

学校读者我要写书评

暂无评论

深度学习技术在个性化推荐系统中的应用与发展综述

引用

计算机应用文摘 2024年第24期40卷 157-160页

作者：郭秋叶广州科技贸易职业学院广州511442 灵山大学韩国梁山50510

文章综述了基于深度学习的个性化推荐系统在新媒体平台短视频内容推荐中的应用。首先,介绍了个性化推荐系统的基本原理及发展历程,并分析了传统推荐算法的局限性。其次,深入探讨了深度学习技术的基本原理、主要模型架构及其在推荐系统... 详细信息

文章综述了基于深度学习的个性化推荐系统在新媒体平台短视频内容推荐中的应用。首先,介绍了个性化推荐系统的基本原理及发展历程,并分析了传统推荐算法的局限性。其次,深入探讨了深度学习技术的基本原理、主要模型架构及其在推荐系统中的应用场景。通过分析相关案例,文章详细讨论了基于深度学习的个性化推荐系统在新媒体平台短视频推荐中的关键技术和面临的挑战。最后,展望了未来的研究方向,指出了基于深度学习的个性化推荐系统在提高推荐准确性、多样性和用户体验等方面的潜力。

关键词：个性化推荐系统深度学习新媒体平台短视频内容推荐准确性推荐多样性

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：