检索结果-内蒙古大学图书馆

作者：曾伟电子科技大学

学位级别：博士

信息推荐技术,作为解决信息过载问题的技术手段之一,在理论和应用层面都具有重大的意义和价值。从理论上讲,信息推荐问题是信息挖掘和信息过滤这一重大科学问题的重要组成部分;从应用上讲,信息推荐技术已经成为众多电子商务网站的核心技... 详细信息

信息推荐技术,作为解决信息过载问题的技术手段之一,在理论和应用层面都具有重大的意义和价值。从理论上讲,信息推荐问题是信息挖掘和信息过滤这一重大科学问题的重要组成部分;从应用上讲,信息推荐技术已经成为众多电子商务网站的核心技术,并创造了巨大的经济价值。信息推荐是一个典型的交叉研究领域。本文针对推荐系统的多样性问题、稀疏性问题和推荐网络的结构分析等问题开展研究,综合利用计算机科学、统计物理学和社会学等多学科的理论和方法,提出了一些有效的解决方案,具体如下:1)提出一种基于多维度分析的推荐算法。该方法将高维商品空间投影到低维商品空间,满足商品在低维空间的距离近似于商品在高维空间的距离。算法的扩展性好于SVD和矩阵分解算法等降维方法,去除了数据中的噪音,从而能够更加高效、准确地计算商品间的相似度。实验结果表明,在基于产品的协同过滤框架下,算法的准确性和多样性比传统推荐算法分别提高了27.9%和27.4%。2)提出一种基于局部随机游走的推荐算法。该方法在传统随机游走算法的基础上,仅考虑有限次数的游走过程,准确率和效率明显高于传统的随机游走算法,商品覆盖率明显大于传统的推荐算法,显著改善不活跃用户的推荐质量。实验结果表明,在稀疏的数据中,算法准确性比传统推荐算法提高了10%;针对不活跃用户,算法准确性比传统推荐算法提高了21.9%。3)提出一种基于社交网络的随机游走推荐算法。该方法在用户-商品二部分网络中,引入用户-社团二部分网络,基于两个网络上的随机游走模型,增加了网络节点间的可达概率,大幅度地提高了不活跃用户的推荐质量,从而弱化了数据稀疏性问题和冷启动问题。实验结果表明,当向不活跃用户和新用户推荐商品时,算法的准确性比传统的推荐算法提高了44.5%。4)提出一种基于信息核的推荐算法。该方法根据用户最近邻出现的次数和位置,设计了一种快速有效的信息核提取算法,并分析了信息核的结构特征和核心用户的分布情况。算法的优点在于去除了推荐系统中的不相关用户,从而提高了算法的效率和健壮性。实验结果表明,在信息核为原始数据总量20%的情况下,算法的准确性能够达到使用所有数据准确性的90%以上。5)提出了基于社交关系的矩阵分解算法。该方法利用正则化和因子分解方法,在一个模型中同时考虑用户-商品矩阵、用户-社团矩阵和用户-朋友矩阵。实验结果表明,正则化方法更适用于用户-朋友这样的单模数据,因子分解算法更适用于用户-商品、用户-社团等双模数据。多数据源的交叉学习,可以明显改善算法在稀疏数据中的准确性,在商品推荐、社团推荐和朋友推荐中,算法的准确性比传统算法分别提高了19.5%、36.2%和5%。

关键词：协同过滤推荐算法多样性稀疏性推荐网络

来源：评论

学校读者我要写书评

暂无评论

双通道图协同过滤推荐算法

引用

计算机工程 2022年第8期48卷 121-128页

作者：苗雨欣宋春花牛保宁康瑞雪太原理工大学信息与计算机学院太原030000

协同过滤是一种应用广泛的推荐算法,其核心过程是学习用户和商品的向量表示。基于图卷积网络(GCN)的协同过滤算法在向量嵌入过程中加入邻居节点的关联信息,进一步提升了算法的推荐性能。然而,图协同过滤算法中存在过平滑现象,且其仅采... 详细信息

协同过滤是一种应用广泛的推荐算法,其核心过程是学习用户和商品的向量表示。基于图卷积网络(GCN)的协同过滤算法在向量嵌入过程中加入邻居节点的关联信息,进一步提升了算法的推荐性能。然而,图协同过滤算法中存在过平滑现象,且其仅采用邻接矩阵在局部结构中扩展,没有从图的整体结构出发挖掘节点间潜在的交互模式,使得交互信息来源单一。提出一种基于GCN的双通道协同过滤推荐算法DCCF。将向量嵌入过程划分为局部卷积通道和全局卷积通道,以获取不同类型的连接信息。在局部卷积通道中,直接定位邻域节点并使用单层网络结构完成计算,优化信息的聚合方式以应对过平滑问题。在全局卷积通道中,通过聚类的方式构造全局交互图并参与信息的聚合过程,从而挖掘节点间的潜在联系。将局部信息与全局信息相结合,以获得包含不同类型高阶关系的节点向量表示。在3个公开数据集上进行对比实验,结果表明,相较基准算法中性能表现最优的模型,DCCF在归一化折损累计增益和召回率这2个指标上最高分别提升2.8%和5.0%。

关键词：推荐算法深度学习协同过滤图卷积网络向量嵌入

来源：评论

学校读者我要写书评

暂无评论

基于变分自编码器的混合推荐算法

引用

计算机工程 2020年第12期46卷 96-104页

作者：张宇生张桂珠王晓锋江南大学物联网工程学院江苏无锡214122

较多传统推荐算法因未考虑曝光因素而难以解决冷启动问题。为此,通过引入曝光隐变量,提出一种基于变分自编码器的混合推荐算法。在协同过滤背景下使用马尔科夫链蒙特卡洛采样推断曝光隐变量和特征向量,在推断过程中将前一次迭代得到的... 详细信息

较多传统推荐算法因未考虑曝光因素而难以解决冷启动问题。为此,通过引入曝光隐变量,提出一种基于变分自编码器的混合推荐算法。在协同过滤背景下使用马尔科夫链蒙特卡洛采样推断曝光隐变量和特征向量,在推断过程中将前一次迭代得到的分布结果作为先验,利用共轭关系直接得到参数后验,以提高推断精度。在此基础上,通过变分自编码器VAEe抽取用户曝光向量的隐特征,据此对该用户做曝光预测,同时训练变分自编码器VAEi抽取商品的协同隐特征,解决新商品的冷启动问题。在真实数据集上的实验结果表明,该算法能够同时提高旧商品和新商品的推荐性能。

关键词：推荐算法变分自编码器马尔科夫链蒙特卡洛采样协同过滤深度学习

来源：评论

学校读者我要写书评

暂无评论

基于用户偏好度的双极协同过滤推荐算法

引用

南京理工大学学报 2020年第3期44卷 313-319页

作者：张怡文王冉杨安桔计成睿岳丽华安徽新华学院信息工程学院安徽合肥230088 中移(苏州)软件技术有限公司SaaS产品部江苏苏州215000 中国科学技术大学计算机科学与技术学院安徽合肥230026

为了解决目前推荐方法中用户相似度计算不准确、推荐准确率较低的问题,建立一种基于用户偏好度的双极协同过滤推荐算法。计算用户间共同项目数量,当共同项目数量小于设定阈值时,选择用户、项目、项目属性特征构建用户对项目、属性的双... 详细信息

为了解决目前推荐方法中用户相似度计算不准确、推荐准确率较低的问题,建立一种基于用户偏好度的双极协同过滤推荐算法。计算用户间共同项目数量,当共同项目数量小于设定阈值时,选择用户、项目、项目属性特征构建用户对项目、属性的双极特征向量,表示用户的喜欢程度和讨厌程度。通过对双极特征向量进行加权计算,得到用户间相似度。在标准的MovieLens数据集上验证该算法。实验结果表明,该文算法的平均绝对误差(MAE)和均方根误差(RMSE)较其他算法降低了约9%,平均分值排名(R)降低了约10%。

关键词：用户偏好度双极协同过滤推荐算法双极特征向量加权计算相似度

来源：评论

学校读者我要写书评

暂无评论

基于随机游走的网络表示学习推荐算法

引用

计算机工程 2021年第9期47卷 90-96,105页

作者：刘峰王宝亮邹荣宇赵浩淳天津大学信息与网络中心天津300072 天津大学电气自动化与信息工程学院天津300072 天津大学国际工程师学院天津300072

根据网络结构中的连接关系得到节点的向量表示,进而将节点的向量表示应用于推荐算法可有效提升其建模能力。针对推荐系统中的同质网络,提出结合随机游走的网络表示学习推荐算法。以DeepWalk算法为基础,在随机游走过程中根据节点重要性... 详细信息

根据网络结构中的连接关系得到节点的向量表示,进而将节点的向量表示应用于推荐算法可有效提升其建模能力。针对推荐系统中的同质网络,提出结合随机游走的网络表示学习推荐算法。以DeepWalk算法为基础,在随机游走过程中根据节点重要性设定节点游走序列数,并设置终止概率以控制游走长度优化采样结果,在网络表示学习过程中将SkipGram模型融合节点属性信息,同时考虑上下文节点离中心节点的距离获得更准确的推荐结果。实验结果表明,该算法相比DeepWalk、Node2vec等算法具有更高的推荐准确度,并且较好地解决了冷启动问题。

关键词：推荐算法网络表示学习随机游走序列长度属性信息

来源：评论

学校读者我要写书评

暂无评论

推荐算法中用户知识重用模型研究

推荐算法中用户知识重用模型研究

引用

作者：刘睿佳对外经济贸易大学

学位级别：硕士

互联网技术的发展在丰富了人们日常生活的同时，也记录了人们的生活方式。随着大数据思维的推广，用户行为的重视程度得到很大的提高，随着大数据技术的发展，行为得以越来越多的被记录和分析。随着数据与行为学、心理学等学科相结合的... 详细信息

互联网技术的发展在丰富了人们日常生活的同时，也记录了人们的生活方式。随着大数据思维的推广，用户行为的重视程度得到很大的提高，随着大数据技术的发展，行为得以越来越多的被记录和分析。随着数据与行为学、心理学等学科相结合的交织，用户信息的利用程度得以深化。纵观现代服务业，传统的用户主动寻找的方式已经不能满足用户的消费需求，也不利于企业吸引用户、增加用户黏着力以及占领市场份额，在竞争日益激烈的互联网电商界，如果能实现用产品的精准投放和营销、通过相关技术挖掘用户喜好、制造兴趣点培养其消费需求，将会增加用户黏着力，扩大企业规模增加企业利润。于此同时，个性化推荐技术已经应用到较多的商业推荐系统中，但是，对于用户知识的利用率不大。本文通过引入用户知识重用的概念，对已有用户信息重复使用，明确用户偏好并扩大用户偏好以改进传统的推荐算法，从而提高推荐准确率，构建用户知识重用模型以处理不同数据集类型的实际生活数据。本文主要做了以下几方面的工作：\n 1.针对用户偏好的特点,提出了改进的用户偏好计算方法，解决了用户偏好划分模糊的问题。\n 2.针对用户偏好在使用过程中存在着被弱化的特点，提出了新的用户偏好使用方式，提高了推荐结果的准确性。\n 3.综合考虑以上两点在推荐算法中的改进，以及实际生活中数据集的差异，提出了应用于不同数据集类型的用户知识重用模型。\n 4.设计实验并验证了上述模型。

关键词：个性化服务消费需求用户偏好推荐算法互联网技术电子商务

来源：评论

学校读者我要写书评

暂无评论

适应性学习路径推荐算法及应用研究

引用

中国电化教育 2015年第8期 85-91页

作者：赵呈领陈智慧黄志芳华中师范大学教育信息技术学院湖北武汉430079

在适应性学习路径推荐中,推荐算法起着至关重要的作用。本研究从算法性质的角度归类,将学习路径推荐系统中的推荐算法归为三大类:智能优化算法、数据挖掘算法以及基于知识的推荐算法。结合已开发的学习路径推荐系统,本文从算法性能、学... 详细信息

在适应性学习路径推荐中,推荐算法起着至关重要的作用。本研究从算法性质的角度归类,将学习路径推荐系统中的推荐算法归为三大类:智能优化算法、数据挖掘算法以及基于知识的推荐算法。结合已开发的学习路径推荐系统,本文从算法性能、学习路径推荐中考虑的因素及算法应用三方面进行比较与分析,总结出上述推荐算法在学习路径推荐中的应用策略和应用中的优势及不足,最后探讨了学习路径推荐的实践应用价值,以期为适应性学习路径推荐领域的研究提供有价值的参考与借鉴。

关键词：适应性学习学习路径推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于用户限制聚类的协同过滤推荐算法

引用

南京邮电大学学报（自然科学版） 2017年第3期37卷 93-99页

作者：张松张琳王汝传南京邮电大学计算机学院江苏南京210023 南京邮电大学江苏省无线传感网高技术研究重点实验室江苏南京210003

协同过滤推荐算法是个性化推荐系统的关键技术,但是其在计算过程中存在"数据稀疏性"和"冷启动"等问题,利用数据挖掘中的聚类技术,提出了一种基于用户限制聚类的协同过滤推荐算法。首先利用限制聚类技术将相似用户... 详细信息

协同过滤推荐算法是个性化推荐系统的关键技术,但是其在计算过程中存在"数据稀疏性"和"冷启动"等问题,利用数据挖掘中的聚类技术,提出了一种基于用户限制聚类的协同过滤推荐算法。首先利用限制聚类技术将相似用户聚类到一起,在聚类的簇中找邻居用户,然后通过改进的协同过滤算法来进行推荐。实验结果表明,新算法改善了"数据稀疏性"和"冷启动"的问题,并且相比传统的协同过滤算法和基于K-means用户聚类协同过滤算法具有较高的推荐质量。

关键词：数据挖掘聚类算法协同过滤推荐算法

来源：评论

学校读者我要写书评

暂无评论

融合社交信息的矩阵分解改进推荐算法

引用

计算机工程 2021年第9期47卷 97-105页

作者：贾俊杰刘鹏涛陈旺虎西北师范大学计算机科学与工程学院兰州730070

矩阵分解的推荐模型具有推荐精度高和易扩展等特点,已成为目前融合社交信息构建推荐系统的主要模型,但在分解过程中,用户偏好矩阵和物品特征矩阵初始赋值的随机性影响了推荐的性能,忽略了物品以及用户之间隐含的联系与区别。为此,提出... 详细信息

矩阵分解的推荐模型具有推荐精度高和易扩展等特点,已成为目前融合社交信息构建推荐系统的主要模型,但在分解过程中,用户偏好矩阵和物品特征矩阵初始赋值的随机性影响了推荐的性能,忽略了物品以及用户之间隐含的联系与区别。为此,提出一种基于社交信息的矩阵分解改进算法。将评分值分别与社交信息和物品的特征属性相结合,构建用户相似网络与物品相似网络,同时应用社区划分充分挖掘用户、物品之间的潜在关系,并按不同类型节点的近邻差异性,通过建立核心、非核心节点的偏好向量与特征向量得到矩阵分解初始矩阵。在公开数据集上的实验结果表明,该算法的推荐性能优于MF、SR2等同类型算法,运行迭代次数明显降低。

关键词：推荐算法社交信息相似网络社区发现矩阵分解

来源：评论

学校读者我要写书评

暂无评论

融合知识图谱与用户评论的商品推荐算法

引用

计算机工程 2020年第8期46卷 93-100页

作者：汤伟韬余敦辉魏世伟湖北大学计算机与信息工程学院武汉430062 湖北省教育信息化工程技术中心武汉430062

针对基于用户评论的商品推荐算法未充分利用评论之间关联信息的问题,提出一种融合知识图谱与用户评论的商品推荐算法。结合知识图谱对用户评论进行商品特征和情感词提取,构建商品特征集合和商品向量并计算商品相似度矩阵,根据情感词确... 详细信息

针对基于用户评论的商品推荐算法未充分利用评论之间关联信息的问题,提出一种融合知识图谱与用户评论的商品推荐算法。结合知识图谱对用户评论进行商品特征和情感词提取,构建商品特征集合和商品向量并计算商品相似度矩阵,根据情感词确定商品特征得分,通过随机游走商品节点获取商品特征权重。在此基础上,根据商品特征得分和商品特征权重计算商品推荐价值并进行Top-k推荐。实验结果表明,与基于知识图谱的推荐算法、协同过滤算法、基于内容的推荐算法和混合推荐算法相比,该算法的准确率、召回率和F值最高分别提升15.81%、7.27%和8.55%。

关键词：推荐算法知识图谱用户评论商品特征随机游走模型

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：