检索结果-内蒙古大学图书馆

合肥工业大学学报（自然科学版） 2015年第9期38卷 1210-1214页

作者：王庆庆吴共庆李磊合肥工业大学计算机与信息学院安徽合肥230009

基于信任的推荐算法将社交网络中的信任关系融入到推荐中,但数据的稀疏性迫使基于信任的方法要去考虑间接邻居,有限相似的邻居带来的长尾噪音问题降低了推荐准确度;目前已有的算法都假设用户的评分数据完全客观真实,而忽略了异常评分的... 详细信息

基于信任的推荐算法将社交网络中的信任关系融入到推荐中,但数据的稀疏性迫使基于信任的方法要去考虑间接邻居,有限相似的邻居带来的长尾噪音问题降低了推荐准确度;目前已有的算法都假设用户的评分数据完全客观真实,而忽略了异常评分的存在。为了解决上述问题,文章提出新的用户相似度量方法筛选用户的信任邻居,并通过一次预测结果反馈检测并修正评分数据中的异常评分,然后进行二次预测。在真实的大规模数据集Epinions上进行实验,结果表明相比于传统的基于物品的协同过滤算法,该算法在RMSE上提高了6.0%,在MAE上提高了12.4%,说明该算法能有效缓解数据稀疏带来的上述问题,并提高预测精度。

关键词：社交网络推荐系统数据稀疏性相似度量信任邻居

来源：评论

学校读者我要写书评

暂无评论

基于改进协同过滤算法的用户页面兴趣度预测研究

引用

计算机应用研究 2019年第11期36卷 3266-3268页

作者：宋泊东张立臣广东工业大学计算机学院

根据大数据稀疏性特征,把奇异值分解方法引入协作过滤算法中进行互联网站点用户的页面兴趣度的计算和验证,提出了一种基于改进协作过滤算法的用户页面兴趣度预测算法。该算法利用网络日志中的显性用户过往兴趣度评分数据发现用户页面兴... 详细信息

根据大数据稀疏性特征,把奇异值分解方法引入协作过滤算法中进行互联网站点用户的页面兴趣度的计算和验证,提出了一种基于改进协作过滤算法的用户页面兴趣度预测算法。该算法利用网络日志中的显性用户过往兴趣度评分数据发现用户页面兴趣度和其影响因素。MATLAB仿真结果显示:提出的基于改进协同过滤算法的用户页面兴趣度测量方法可有效克服海量数据的稀疏性,在预测准确性、测量速度方面都有很大的提高。

关键词：大数据奇异值分解用户兴趣度协作过滤算法数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

分步预测的协同过滤算法

引用

计算机应用研究 2015年第11期32卷 3256-3258,3272页

作者：肖明波郑鑫炜杭州电子科技大学通信工程学院杭州310018

针对数据稀疏性问题,对协同过滤推荐算法作了改进,提出分步预测的算法。算法先对评分矩阵作预处理,重新排列矩阵元素的位置,使评分数据集中到矩阵左上角,并对评分数过少的用户进行部分填充;然后再提取一个数据密度较高的子系统,用基于... 详细信息

针对数据稀疏性问题,对协同过滤推荐算法作了改进,提出分步预测的算法。算法先对评分矩阵作预处理,重新排列矩阵元素的位置,使评分数据集中到矩阵左上角,并对评分数过少的用户进行部分填充;然后再提取一个数据密度较高的子系统,用基于信任的算法填充其缺失值;最后通过不断向子系统里添加新用户、新项目的方法实现分步预测的目的。通过在Movie Lens数据集上的实验结果表明,新算法可以有效地缓解数据稀疏性问题,提高系统的推荐精度。

关键词：数据稀疏性协同过滤分步预测准确度

来源：评论

学校读者我要写书评

暂无评论

一种基于Dice-Euclidean相似度计算的协同过滤算法

引用

计算机应用研究 2015年第10期32卷 2891-2895页

作者：王立印张辉陈勇北京航空航天大学计算机学院国家科技资源共享服务工程技术研究中心北京100191

针对协同过滤算法中项目(用户)之间的相似度计算出现的部分项目的相似度无法计算、对稀疏数据效果较差等问题,提出了一种计算项目之间相似度的新算法——Dice-Euclidean相似度算法。该算法综合考虑两个项目的共同评分数占总评分数的比... 详细信息

针对协同过滤算法中项目(用户)之间的相似度计算出现的部分项目的相似度无法计算、对稀疏数据效果较差等问题,提出了一种计算项目之间相似度的新算法——Dice-Euclidean相似度算法。该算法综合考虑两个项目的共同评分数占总评分数的比例、项目评分向量夹角和项目评分向量距离三个因素来衡量向量的相似度。在Movie Lens数据集上进行的实验表明,Dice-Euclidean算法相比cosine、pearson、adjusted cosine、CF_P_D算法,MAE值降低了10.2%、21.9%、6.3%、4.0%,从而得出Dice-Euclidean算法使得数据稀疏性对最终推荐结果的负面影响变小。

关键词：协同过滤个性化信息推荐相似度计算平均绝对偏差数据稀疏性修正余弦相似度

来源：评论

学校读者我要写书评

暂无评论

融合Jensen-Shannon散度的推荐算法

引用

计算机科学 2019年第2期46卷 210-214页

作者：王永王永东邓江洲张璞重庆邮电大学经济管理学院重庆400065 重庆邮电大学计算机科学与技术学院重庆400065

为充分利用所有评分,缓解数据稀疏性问题,将概率统计领域的Jensen-Shannon(JS)散度引入相似性度量中,提出了一种新的项目相似性度量算法。该算法将项目的评分信息转化为评分值密度,并依据评分值的密度分布来计算项目相似性。同时,引入... 详细信息

为充分利用所有评分,缓解数据稀疏性问题,将概率统计领域的Jensen-Shannon(JS)散度引入相似性度量中,提出了一种新的项目相似性度量算法。该算法将项目的评分信息转化为评分值密度,并依据评分值的密度分布来计算项目相似性。同时,引入评分数量因子,进一步提升了基于JS的相似性度量方法的性能。最后,以基于JS的相似性度量方法为基础,设计了相应的协同过滤算法。在MovieLens数据集上的实验结果表明,所提算法在预测误差和推荐准确性方面均有良好的表现。因此,该算法在推荐系统中具有很好的应用潜力。

关键词： Jensen-Shannon散度评分值密度相似性度量协同过滤数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

采用信任网络增强的协同过滤算法

引用

计算机应用研究 2018年第1期35卷 116-120页

作者：李熠晨陈莉石晨晨兰小艳西北大学信息科学与技术学院西安710127

由于数据稀疏性问题的普遍存在,不仅传统的协同过滤系统中使用单一相似度进行的推荐不具备较高的可信度,而且共同评分项过于稀疏也会导致其推荐性能大打折扣。针对以上问题,提出了一种采用信任网络增强的协同过滤算法(记为ECFATN)。通... 详细信息

由于数据稀疏性问题的普遍存在,不仅传统的协同过滤系统中使用单一相似度进行的推荐不具备较高的可信度,而且共同评分项过于稀疏也会导致其推荐性能大打折扣。针对以上问题,提出了一种采用信任网络增强的协同过滤算法(记为ECFATN)。通过引入社会网络中常用的信任关系,即在原始的用户—项目评分矩阵上,通过信任计算建立用户间的信任关系,并使用传播规则传递信任关系,构建一个用户信任网络;最终使用用户间的信任度与相似度线性加权作为新的权重进行推荐。在真实的数据集上进行测试,实验结果表明,ECFATN算法不仅在一定程度上缓解了数据稀疏性问题并提高了推荐精度,而且由于信任关系的引入,对于用户冷启动问题也有较大的改善。

关键词：数据稀疏性协同过滤相似度信任网络用户冷启动

来源：评论

学校读者我要写书评

暂无评论

个性化推荐方法在高校图书馆书目推荐中的应用研究

个性化推荐方法在高校图书馆书目推荐中的应用研究

引用

作者：陈豪贵州财经大学

学位级别：硕士

随着移动互联的发展、电商的兴起、用户规模和商品规模的扩大,用户想要找到自己感兴趣的物品已经越来越耗费时间。如何帮助用户快速找到自己想要的物品或是潜在的兴趣物品已经成为了学界和工业界的研究热点。目前,个性化推荐算法在推荐... 详细信息

随着移动互联的发展、电商的兴起、用户规模和商品规模的扩大,用户想要找到自己感兴趣的物品已经越来越耗费时间。如何帮助用户快速找到自己想要的物品或是潜在的兴趣物品已经成为了学界和工业界的研究热点。目前,个性化推荐算法在推荐方面已经取得了一定的成果,并且已在电商、影视、音乐等领域得到了广泛的应用,但在高校图书馆领域,这一技术还鲜有应用。不同于其它的领域用户数目较多,高校图书馆用户数目很少,按照高校的公开信息,大多数高校每年在校生大约有一到两万,但高校图书馆藏书却有数百万册,常借阅书籍也有十数万册,这就造成了高校图书馆数据的稀疏性。针对高校图书馆的场景,本文提出了适合高校图书馆中书目推荐的两种算法:即基于图结构的推荐算法和改进的协同过滤算法。本文主要研究内容和成果总结如下:1.本文对图书馆领域书目的推荐算法研究中所面临的问题做了分析。并对推荐算法做了综述,详细的介绍了现在常用的推荐算法,对比了各种推荐算法的优缺点。2.针对数据稀疏性的问题,本文提出了基于图结构的个性化推荐。它是用图的方式将数据表现出来,用边表示用户间的相似性。这种方法可以较为有效的避免数据的稀疏性。本文结合贵州财经大学图书馆数据为一位用户进行了实例推荐。3.基于图结构的推荐虽然可以较为有效的避免数据的稀疏性,但也会存在一些问题,比如说它可能会减少候选推荐集合中的项目。为了避免这些问题,本文提出了改进的协同过滤推荐算法,将用户对书籍的隐式评分转换成了用户对书籍类别的显式评分。一方面,这种方法可以有效降低数据的稀疏性,并且不会减少候选集合的项目,并且能更加有效的反映用户的兴趣,另一方面,这种方法也增加了用户间相似度的有效性。

关键词：书目推荐协同过滤图结构的推荐数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

基于受限玻尔兹曼机的推荐算法研究

基于受限玻尔兹曼机的推荐算法研究

引用

作者：马贝东南大学

学位级别：硕士

随着互联网和信息技术的快速发展,互联网为用户提供了越来越多的信息和服务,但是面对互联网中成指数增长的信息资源,用户不得不花费大量的时间来寻找对自己有用的信息,即所谓的信息超载问题。为了解决这一问题推荐系统应运而生,推荐系... 详细信息

随着互联网和信息技术的快速发展,互联网为用户提供了越来越多的信息和服务,但是面对互联网中成指数增长的信息资源,用户不得不花费大量的时间来寻找对自己有用的信息,即所谓的信息超载问题。为了解决这一问题推荐系统应运而生,推荐系统能够根据用户的偏好为用户提供个性化的推荐服务。当前,协同过滤算法是应用最广泛、最成功的推荐技术,但是协同过滤算法也面临着严重的数据稀疏性、扩展性和冷启动等问题。数据稀疏性问题是协同过滤算法面临的关键的问题之一,评分数据的高稀疏性往往会导致协同过滤算法的预测精度低下。因此,数据稀疏性问题的解决对提高协同过滤算法的预测精度具有重要意义。近年来,随着社交网络的流行,社交关系变的越来越重要,在社交网络中好友的观点或者意见往往会影响我们的决定,因此利用社交网络中的社交关系有助于解决数据稀疏性问题。当前,深度学习在众多领域取得了重大的突破,而受限玻尔兹曼机模型（Restricted Boltzmann Machine,简记为RBM）作为深度学习领域最重要的模型之一,受到了越来越多的关注。受限玻尔兹曼机模型被用于解决推荐问题后,取得了良好的效果。目前用于推荐的RBM模型存在一定的缺陷：第一,需要将实值的评分数据转化为一个K维的0-1向量,这将使模型中参数的数量变为原来的K倍,从而造成参数过多、训练过程复杂。同时,此种转化方法只对整型数据有效,如果评分数据中有Double型的数据就无法转化；第二,模型训练过程中仅使用用户评分数据,但用户评分数据存在着严重的数据稀疏性问题,这将在一定程度上影响模型的推荐效果。第三,当前正处于一个大数据时代,在大数据环境下由于RBM模型具有大量的参数,模型的训练将面临巨大挑战。因此,本文针对基于受限玻尔兹曼机模型的协同过滤算法进行了相关研究,主要工作包括：（1）在现有的用于推荐的RBM模型的基础上,提出了基于实值的条件受限玻尔兹曼机（Real-Valued Conditional Restricted Boltzmann Machine, R CRBM）模型,此模型不需要将评分数据转化为一个K维的0-1向量,并且RCRBM模型在训练过程中使用训练数据中潜在的评分／未评分信息,实验结果表明潜在的评分／未评分信息有助于缓解数据稀疏性问题。（2）将本文提出的RCRBM模型与用户的社交关系相结合,提出了基于MoleTrust推理的最近信任好友（Nearest Trusted Friends MoleTrust, NTFMT） RCRBM算法,该算法利用社交网络中的信任关系。在百度数据集和Epinions数据集上的实验结果表明提出的RCRBMNTFMT算法可以很好的解决数据稀疏性问题,提高了推荐系统的预测精度,并且在训练数据越稀疏的情况下效果提升的越多。（3）在大数据环境下,由于数据量巨大,普通平台无法处理大数据问题并且此时RCRBM模型的参数数量将变的极其巨大对R CRBM模型的训练将面临巨大的挑战,因此,针对大数据下的R CRBM模型,本文提出了基于Spark的并行化方案,实验结果表明该方案具有良好的扩展性,可以较好的解决大数据问题。

关键词：数据稀疏性受限玻尔兹曼机实值的条件受限玻尔兹曼机社交网络

来源：评论

学校读者我要写书评

暂无评论

基于模糊C均值聚类的协同过滤推荐算法研究

基于模糊C均值聚类的协同过滤推荐算法研究

引用

作者：韩亚运浙江工商大学

学位级别：硕士

随着信息技术的高速发展,人们从信息匮乏时代进入了信息过载的时代,这在一定程度上增加了用户获取有价值或感兴趣信息的成本,而推荐系统在解决该类问题中具有较好的表现,其针对用户的兴趣偏好产生个性化推荐,有效地解决信息过载带来的... 详细信息

随着信息技术的高速发展,人们从信息匮乏时代进入了信息过载的时代,这在一定程度上增加了用户获取有价值或感兴趣信息的成本,而推荐系统在解决该类问题中具有较好的表现,其针对用户的兴趣偏好产生个性化推荐,有效地解决信息过载带来的负面影响。推荐系统的核心是推荐算法,尤其以协同过滤推荐算法的应用最为广泛,伴随着数据量的快速增加,协同过滤推荐算法面临的问题也越来越突出,主要有数据稀疏性、冷启动、数据扩展性和用户兴趣的时间迁移等问题。本文针对协同过滤算法存在的问题,引入了模糊聚类算法,提出了一种基于模糊c均值聚类和时间权重函数的协同过滤算法。面对数据稀疏性问题,本文通过引入模糊c均值聚类算法,对项目属性信息进行模糊聚类,从而使得项目以不同的隶属度隶属于不同项目类别,增加了数据密度,有效地降低了数据稀疏度,解决了相似度计算不准确导致推荐精度低的问题。同时,在模糊聚类之前,通过对传统的FCM算法进行改进,利用减法聚类确定最优的初始聚类中心作为FCM算法的输入。对于用户兴趣的时间迁移问题,本文引入了时间权重函数,不同的评价时间给予不同的时间权重值,最近评价的项目更能代表用户的兴趣偏好,因此将给予较高的权重,而较早时间评价的项目,对当前用户兴趣的影响较小,因而权重值相对较低。最后,本文在数据集MovieLens上进行实证分析,确定了改进算法中最优的参数,同时验证了基于减法聚类确定的初始聚类中心和时间函数的有效性,并与传统基于用户的协同过滤算法进行对比分析,以此来说明该算法的优越性。

关键词：推荐算法协同过滤 FCM算法减法聚类数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

针对稀疏数据情况下的协同过滤推荐模型研究

针对稀疏数据情况下的协同过滤推荐模型研究

引用

作者：张悦北京化工大学

学位级别：硕士

随着网络平台的发展,推荐系统作为用户与产品沟通的桥梁得到了广泛的关注。协同过滤推荐模型在商业推荐中十分流行,主要通过分析用户与产品的交互数据,建立推荐模型来预测用户对产品的喜好。在大多数平台中,由于可供选择的产品种类繁多... 详细信息

随着网络平台的发展,推荐系统作为用户与产品沟通的桥梁得到了广泛的关注。协同过滤推荐模型在商业推荐中十分流行,主要通过分析用户与产品的交互数据,建立推荐模型来预测用户对产品的喜好。在大多数平台中,由于可供选择的产品种类繁多但是消费者的购买能力有限,用户对于产品的购买或者评价数据仅占产品数量的一小部分,导致用户与产品的交互数据十分稀疏。为了能够提升推荐质量,许多学者从各个方面解决稀疏数据带来的问题。针对稀疏数据问题,本文提出了一种基于用户评分可信度的矩阵分解模型来缓解稀疏数据问题。矩阵分解模型将用户与项目评分矩阵分解成用户和项目两个矩阵,通过对模型的训练学习预测用户对项目的评分。本文在传统的矩阵分解预测公式中加入了全局偏置,也就是用户的评分均值,可以改善个别奇异评分值对预测结果的影响,还在用户隐式向量部分加入了用户对于其他项目的隐式评分,增加了用户评分利用率,提高了用户评分可信度。实验证明,该模型具有更高的预测评分精度。本文又提出一种改进用户相似度的协同过滤推荐模型。该模型从用户与项目的交互数据出发,对于用户与用户间的共同评分项目信息,计算用户之间的局部相似度,相似度计算过程采用非线性模型,并加入奇点因子对权重进行调节;对于全体评分数据,计算全局相似度,加入了用户的评分习惯,将两种相似度进行融合,得到推荐模型。该模型能够有效利用稀疏数据,通过实验证明,该模型具有更好的预测精度。通过实验对比可以发现,两种模型都有相应的优势,融合局部和全局相似度的协同过滤推荐模型利用全部评分数据,能够提供更加准确细致个性化推荐,具有良好的预测评分准确度和推荐精度,但是模型由于计算过程复杂,时间精度差。基于用户评分可信度的矩阵分解模型,加入了用户评分的隐式信息以及全局偏置,改善了用户评分不均匀的问题,计算效率高,具有良好的预测精度。针对不同需求,可以对两种模型进行选择。

关键词：推荐系统协同过滤数据稀疏性矩阵分解相似度

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：