检索结果-内蒙古大学图书馆

作者：方乐林华南理工大学

学位级别：硕士

近年来,随着人民群众的收入水平越来越高,旅游变成了国民们一种新的生活方式,旅游极大程度地丰富了国民的业余生活;另一方面,旅游也拉动了经济的增长,给社会增加了就业机会。然而,互联网上众多的旅游信息在丰富了游客出行选择的同时,也... 详细信息

近年来,随着人民群众的收入水平越来越高,旅游变成了国民们一种新的生活方式,旅游极大程度地丰富了国民的业余生活;另一方面,旅游也拉动了经济的增长,给社会增加了就业机会。然而,互联网上众多的旅游信息在丰富了游客出行选择的同时,也带来了信息过载的问题。因此,个性化旅游推荐是各类旅游网站或APP未来的发展趋势。中国有许多的古村落,这些古村落或散发着独特的地区文化底蕴,或记载着历史文化的变迁,它们是岁月的化身。然而,在现代化的发展进程中,古村落正在慢慢消失。如何让更多的游客了解古村落,去到合适的景点旅行,充分考虑游客的偏好风格,增加游客对古村落的好感度,从而保护好这些正在慢慢消失的“历史遗迹”,变得极为迫切。本文基于协同过滤算法研究了面向古村落旅游的推荐模型,具体工作主要包括三个方面:一、提出了相似度传递的协同过滤算法。为了改善数据稀疏性对Item-Based协同过滤算法的影响,本文利用游客-景点评分矩阵(即User-Item矩阵)对不同的古村落旅游景点进行可信关系建模。通过这种可信关系,对古村落景点之间的相似度进行传递,改善相似度计算不准确甚至无法计算的问题,最终达到提高推荐质量和准确度的目的。二、提出了融入时间权重的隐语义模型。一般而言,可以通过矩阵分解的方式来改善数据的稀疏性问题(降维),隐语义模型LFM就是矩阵分解模型中的一种。但是,旅行游客用户的兴趣偏好往往不是固定不变的,而隐语义模型却忽略了游客用户的兴趣喜好随时间变化的问题。本文通过对推荐准确度的评价标准RMSE进行改进,利用最小化改进后的RMSE来对模型进行求解,以适应游客用户的兴趣偏好随时间变化的问题。三、提出了混合模型推荐方法。针对协同过滤算法中数据稀疏导致古村落景点之间的相似度计算不准确甚至无法计算的问题,我们在相似关系传递后加入了基于古村落特征向量的相似关系,其中,古村落景点的特征向量通过隐语义模型进行求解,已达到修正相似度的目的;针对融入时间权重的隐语义模型中信息丢失的问题,我们直接将其与基于相似度传递的协同过滤算法进行融合。但是,由于参数过多出现了占用内存空间大、过度拟合等现象,所以对该模型进行进一步的优化,最后通过不断迭代对模型进行求解。本文针对古村落评分数据的稀疏性和游客兴趣变化等问题,进行了一系列算法研究,并通过实验验证了算法的有效性,对古村落旅游的推荐工作具有深远的理论及现实意义。

关键词：古村落旅游协同过滤推荐算法数据稀疏性偏好变化隐语义模型

来源：评论

学校读者我要写书评

暂无评论

改进的实值UI-RBM协同过滤推荐算法

改进的实值UI-RBM协同过滤推荐算法

引用

作者：裴丽丽兰州大学

学位级别：硕士

随着信息化的日益深入,我们的生活方式发生了翻天覆地的变化,互联网的普及使网上的信息资源呈爆炸式增长,用户难以选择出对自己有价值的信息,从而导致信息的利用率极低。因此,信息的筛选和过滤成为一个关键的问题,在该背景下,个性化推... 详细信息

随着信息化的日益深入,我们的生活方式发生了翻天覆地的变化,互联网的普及使网上的信息资源呈爆炸式增长,用户难以选择出对自己有价值的信息,从而导致信息的利用率极低。因此,信息的筛选和过滤成为一个关键的问题,在该背景下,个性化推荐应运而生。协同过滤推荐则是个性化推荐中应用最成功的一种,但是,当前影响协同过滤推荐精度的因素有很多,数据稀疏性是最重要的因素之一。本文针对该问题提出改进的实值UI-RBM协同过滤推荐算法,主要完成以下工作:1.为解决当前协同过滤推荐算法存在的数据稀疏性问题,提出矩阵填充算法。该算法基于用户的协同过滤推荐,为了更好地发掘用户潜在的相关性,找到精确有效的邻居,在最近邻查询时提出两种新的计算用户相似度的算法:一种是条件概率算法;另一种是在传统的余弦相似性计算公式中加入一个权重值。2.为了处理实值评分问题和提高推荐精度,使用实值UI-RBM模型对目标用户进行推荐。该模型与传统RBM用于协同过滤推荐模型的不同处有两点:将基于用户的RBM和基于项目的RBM整合在一个框架中形成UI-RBM;输入单元不再是K维二值向量,而是直接将评分值作为输入。3.提出将矩阵填充后形成的稠密矩阵作为实值UI-RBM模型的输入单元。我们在Movielens数据集上测试改进的实值UI-RBM协同过滤推荐算法的性能,并与原有方法进行对比。实验结果表明,本文提出的算法在一定程度上提高了推荐精度。

关键词：协同过滤推荐系统数据稀疏性受限玻尔兹曼机

来源：评论

学校读者我要写书评

暂无评论

基于用户聚类的协同过滤个性化推荐的研究与应用

基于用户聚类的协同过滤个性化推荐的研究与应用

引用

作者：王明晓华中科技大学

学位级别：硕士

互联网的迅速发展为我们带来了大量数据,但同时也伴随着信息的超载、浪费等问题。首先,信息超载问题严重困扰着消费者。用户若想从巨大的信息流中挖掘自己真正喜欢的内容是有一定难度的事。其次,信息超载问题也严重困扰着商家。当前面... 详细信息

互联网的迅速发展为我们带来了大量数据,但同时也伴随着信息的超载、浪费等问题。首先,信息超载问题严重困扰着消费者。用户若想从巨大的信息流中挖掘自己真正喜欢的内容是有一定难度的事。其次,信息超载问题也严重困扰着商家。当前面临着消费升级,这就需要商家将原来的规模化经营战略转变成差异化经营战略,针对每名用户的差异性提供个性化服务。因此,一个更加主动,更具有个性化的商品推荐系统,对于消费者和商家来说都是切实需要的。协同过滤在个性化推荐系统中得到了广泛的应用,但是随着实践的不断深入,协同过滤在推荐过程中暴露出了很多问题。本文主要做了以下研究工作:1、首先,在推荐系统研究的历史发展进程前提下介绍了当前个性化推荐系统中经常使用的算法,包括协同过滤和关联规则两大类推荐方法,并指出了算法中存在的“数据稀疏性”现象;2、其次,充分研究推荐过程中出现的“数据稀疏性”现象,提出了基于用户聚类改进的协同过滤方法,该方法就原始k-means聚类算法在择取原始的中心值点时的不足,通过计算数据之间差异性,重新定义了择取原始中心值点的原则,防止了因为随机择取原始中心值而造成聚类类别不确定性的现象发生;3、最后,根据本文所提出的改进后的推荐系统方法,进行了对“豆瓣用户进行书单推荐”的试验,将优化之后的方法实行了有效性检验。并且该试验完整展示了用“基于用户聚类的协同过滤推荐”对豆瓣读者进行书单推荐时的详细步骤。

关键词：推荐系统协同过滤数据稀疏性用户聚类豆瓣

来源：评论

学校读者我要写书评

暂无评论

一种巴氏系数改进相似度的协同过滤算法

引用

计算机应用与软件 2017年第8期34卷 265-269,275页

作者：武文琪王建芳张朋飞刘永利河南理工大学计算机科学与技术学院河南焦作454000

针对传统协同过滤算法中评分数据稀疏性及所造成推荐质量不高的问题,提出一种巴氏系数(Bhattacharyya Coefficient)改进相似度的协同过滤算法。在基于近邻协同过滤算法基础上,首先利用Jaccard相似性来计算用户间的全局相似性;其次使用... 详细信息

针对传统协同过滤算法中评分数据稀疏性及所造成推荐质量不高的问题,提出一种巴氏系数(Bhattacharyya Coefficient)改进相似度的协同过滤算法。在基于近邻协同过滤算法基础上,首先利用Jaccard相似性来计算用户间的全局相似性;其次使用巴氏系数获得评分分布的整体规律,并结合Pearson相关系数来计算其局部相似性;最后融合全局相似性和局部相似性得到最终的相似度矩阵。实验结果表明,该算法在稀疏数据集上获得更好的推荐结果,有效地缓解了评分数据稀疏性问题,提高了推荐的准确度。

关键词：协同过滤数据稀疏性巴氏系数相似度计算

来源：评论

学校读者我要写书评

暂无评论

基于融合评分和多维邻居的协同过滤算法研究

基于融合评分和多维邻居的协同过滤算法研究

引用

作者：张传超华中科技大学

学位级别：硕士

互联网的快速发展给人们的生活带来了极大便利,同时也导致网络信息的急剧膨胀造成了信息过载问题。推荐系统因能解决信息过载问题并为用户提供个性化的服务而被广泛研究与应用,其中最为成功的是基于协同过滤的推荐系统,但其性能却受到... 详细信息

互联网的快速发展给人们的生活带来了极大便利,同时也导致网络信息的急剧膨胀造成了信息过载问题。推荐系统因能解决信息过载问题并为用户提供个性化的服务而被广泛研究与应用,其中最为成功的是基于协同过滤的推荐系统,但其性能却受到了数据稀疏性问题的严重影响。因此,研究如何缓解数据稀疏性问题以提升协同过滤算法的各方面性能具有重要的意义。通过系列统计实验,剖析了数据稀疏性问题对协同过滤算法性能的影响。针对稀疏的数据集,结合信任感知推荐算法适用于评分预估填充的思想,提出了一种基于修正信任的评分填充算法(Corrected Trust-aware Rating Filling Algorithm,CTRF)。其使用评分相似度对具有片面性的信任关系进行修正,并根据信任邻居的评分信息对用户的缺失评分进行预测填充。针对现有邻居选择算法的不足,结合喜好不相似用户的评分同样具有聚合价值的思想,提出了一种动态多维邻居选择算法(Dynamic Multidimensional Neighbors Selection Algorithm,DMNS)。其将用户间的相似关系划分为四个维度,并根据用户相似度的分布情况动态选择并构建多维邻居。在CTRF的基础上结合DMNS提出了基于融合评分和多维邻居的协同过滤算法(Merged Ratings and Multidimensional Neighbors-based Collaborative Filtering Algorithm,MMCF)。其先使用CTRF对数据集进行预处理以得到融合评分矩阵,然后基于融合评分计算用户间的相似度,随后使用DMNS构建多维邻居,最后使用多维邻居的评分信息进行评分聚合预测。在实际数据集上进行性能对比实验,实验结果表明,所提MMCF算法在预测覆盖率和准确度上均优于其它相关优秀推荐算法,也即表明将所提CTRF和DMNS算法应用于协同过滤中能有效的缓解数据稀疏性问题以提高其各方面性能。

关键词：协同过滤数据稀疏性信任修正评分填充多维邻居

来源：评论

学校读者我要写书评

暂无评论

基于家居装饰系统的方案推荐算法研究与应用

基于家居装饰系统的方案推荐算法研究与应用

引用

作者：任钧电子科技大学

学位级别：硕士

随着家居电商的进一步发展,用户对个性化推荐的需求与日俱增,各种各样的推荐算法开始应用其中。传统的聚类推荐算法,每个参与的用户或物品只能属于一种类别,因此很难描述每个参与聚类的对象多个方面的特性。基于内存的协同过滤推荐算法... 详细信息

随着家居电商的进一步发展,用户对个性化推荐的需求与日俱增,各种各样的推荐算法开始应用其中。传统的聚类推荐算法,每个参与的用户或物品只能属于一种类别,因此很难描述每个参与聚类的对象多个方面的特性。基于内存的协同过滤推荐算法和聚类改进的协同过滤推荐算法预测准确度不高,且难以解决数据稀疏带来的影响。针对这些不足之处,本文提出了一种混合推荐算法LPHRA。该算法提高了预测准确度,解决了数据稀疏性带来的应用局限性。本文的主要研究成果如下:1.针对LSPM在物品类别推荐方面存在的不足,提出影响因子,对其中的关键算法EM算法进行参数的改进。实验证明影响因子提高了预测的准确度。EM算法允许用户以及物品属性可以属于多个隐类,适用性更强。LSPM对于新加入的用户也能够进行较为准确的推荐。***对某一类别物品的具体推荐通过PVH衡量。在物品的某一类别中,选取一些PVH属性良好的物品,加入推荐列表,这样可以根据用户的浏览习惯得到个性化的推荐。实验表明该混合推荐算法与传统的协同过滤推荐算法相比,预测的准确性更高,预测结果更接近用户偏好。3.基于混合推荐算法LPHRA,设计并实现一个家居装饰系统。经过系统实验测试,该家居装饰系统在使用LPHRA推荐算法进行方案推荐的时候,在用户体验和预测准确度上优于传统的协同过滤推荐算法和聚类改进的协同过滤推荐算法。

关键词：家居电商家具方案混合推荐算法数据稀疏性 LPHRA LSPM PVH 隐类

来源：评论

学校读者我要写书评

暂无评论

融入社交关系与信任关系的移动应用推荐方法

融入社交关系与信任关系的移动应用推荐方法

引用

作者：李坚浙江工商大学

学位级别：硕士

移动互联网环境下,移动应用信息过载是亟待解决的问题。因此,个性化推荐技术成为解决移动应用信息过载的重要途径。传统推荐方法存在数据稀疏、冷启动等问题,采用余弦,Pearson方法计算相似度,当最近邻没有对待预测项目进行评分时,认为... 详细信息

移动互联网环境下,移动应用信息过载是亟待解决的问题。因此,个性化推荐技术成为解决移动应用信息过载的重要途径。传统推荐方法存在数据稀疏、冷启动等问题,采用余弦,Pearson方法计算相似度,当最近邻没有对待预测项目进行评分时,认为该用户对预测结果没有影响,从而影响推荐准确度。社交网络与用户信任关系是目前研究的热点,本文综合考虑了用户的社交关系,偏好及信任关系,提出一种融合用户社交关系与用户信任关系的移动应用推荐方法。该方法融合社交关系,集赞与标签等特征以及用户对应用的偏好计算相似度,利用基于熟人的信任关系与用户声誉计算信任度,并通过合理的将相似关系与信任关系融合进行应用的推荐,提出的方法能有效提高推荐准确度。本文的研究内容主要包括以下几个方面:(1)本文设计实现了移动应用偏好度计算方法。传统的移动应用偏好计算是直接基于用户使用的频次计算,这种方式没有考虑某些用户使用次数很多但是使用时长很少的情况,比如用,户使用次数较多,但是每次点开后使用时间很短,此时并不能认为用户真正喜欢该应用。本文综合考虑了使用频次和使用时长两方面,通过线性加权求和的方式计算用户对每个使用过的应用的偏好度。本文将用户对应用的偏好度代替传统的用户-项目评分,在一定程度上降低了数据稀疏性。(2)本文提出了基于社交关系评分预测模型。利用用户偏好度、用户社交相似度、社交互动行为,结合微信社交网络的特征,综合得到基于社交关系的评分预测模型。(3)本文提出了基于用户信任关系的评分预测模型。通过研究分析社交网络下用户信任传播机制得到基于社交关系的信任;通过微信社交网络的特点,构建微信社交网络下用户特征文档,从而得到用户基于声誉的信任,综合这两方面信任得到最终的基于用户信任关系预测模型。

关键词：社交网络应用推荐社交相似度信任关系数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

基于改进的加权Slope one协同过滤推荐算法研究

基于改进的加权Slope one协同过滤推荐算法研究

引用

作者：王潘潘昆明理工大学

学位级别：硕士

互联网的快速发展以及电子商务的不断壮大,如何处理信息过载的问题成为研究热点。面对杂乱文章的信息,如何从大量信息中找出自己感兴趣的信息变得十分浪费时间和精力,基于此,推荐系统应运而生。在没有确切的浏览目的情境下,推荐系统能... 详细信息

互联网的快速发展以及电子商务的不断壮大,如何处理信息过载的问题成为研究热点。面对杂乱文章的信息,如何从大量信息中找出自己感兴趣的信息变得十分浪费时间和精力,基于此,推荐系统应运而生。在没有确切的浏览目的情境下,推荐系统能够帮助用户找到自己感兴趣的内容,所以在具体的应用中获得了比较大的成功。目前推荐系统在电子商务网站,电影,视频网站,音乐网络电台,社交网络等方面应用广泛,例如国外的亚马逊、Netfix、CDNow和国内的淘宝网、当当网、豆瓣等。然而人们对项目的需求一般是模糊和不稳定的,因此研究出高准确率的算法和能捕捉到用户的实际需求的推荐系统,这些需求对探索推荐算法的计算机研究者们提出了比较高的要求。协同过滤推荐是现有的最成功的推荐技术之一,但是数据稀疏性问题导致其推荐效率低,推荐准确度不高。针对数据稀疏问题,本文基于协同过滤算法和加权Slope one算法,提出了一种基于Mahout的改进的加权Slope one协同过滤推荐算法。算法首先根据用户-项目评分数据,计算用户与用户之间的评分相似度,找出每个用户的最近邻居集合,然后根据最近邻用户评分,使用改进的加权Slope one算法预测目标用户的未评分项目,最后进行推荐。实验部分采用MovieLens数据集作为测试数据。实验结果表明,和原算法相比,该算法提高了预测准确度,有效提高了推荐性能。简而言之,本论文针对现有推荐系统中常用的协同过滤推荐算法,对协同过滤推荐算法和Slope one算法进行了分析对比,在了解现今的研究状况和分析协同过滤算法的优劣基础上,提出基于加权Slope one算法的协同过滤算法作为本文的研究重点,并通过基础算法和改进算法的对比实验,验证算法优劣。

关键词：推荐算法协同过滤算法加权Slope one算法数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

基于有效回波概率估计空间碎片激光测距系统作用距离

引用

光学精密工程 2016年第2期24卷 260-267页

作者：李明薛莉黄晨王亮亮刘翌北京跟踪与通信技术研究所空间目标测量重点实验室北京100094 中国卫星海上测控部江苏江阴214431

基于回波光子数方程估计空间碎片激光测距系统作用距离时,最小可接受回波光子数很难确定。本文提出了通过改变空间碎片实测数据回波稀疏性获得精度变化曲线的退化模型,以＂精度不变＂作为衡量条件,确定保精度情况下系统最小可识别有效... 详细信息

基于回波光子数方程估计空间碎片激光测距系统作用距离时,最小可接受回波光子数很难确定。本文提出了通过改变空间碎片实测数据回波稀疏性获得精度变化曲线的退化模型,以＂精度不变＂作为衡量条件,确定保精度情况下系统最小可识别有效回波概率,从而估算系统作用距离的方法。首先,根据单光子雪崩探测器＂关门＂特性,得到了有效回波概率与测量距离关系。然后,建立实测数据的稀疏性退化模型得到测量精度与有效回波概率的跃变曲线,根据精度曲线中＂保精度平台＂的＂跳变点＂获得最小可识别有效回波概率。最后,根据最小可识别回波概率获得系统对不同大小典型空间碎片的作用距离。分别处理了有效截面积为3.884 0,6.391 2和9.855 5m2的3种典型空间碎片的实验数据,结果表明：系统在满足m级测距精度的前提下,可识别的最小有效回波概率为0.02~0.044,对上述不同特性典型空间碎片相应的最大作用距离分别为820,1 520和2 250km。提出的模型在精度不变情况下解决了系统最小可识别有效回波概率难以确定的问题,大大减少了实验成本。

关键词：空间碎片激光测距系统作用距离有效回波概率测距精度数据稀疏性退化模型

来源：评论

学校读者我要写书评

暂无评论

余弦相似度加权的Slope One协同过滤算法研究

引用

计算机科学与应用 2017年第10期7卷 1036-1044页

作者：周化袁志广州大学华软软件学院网络技术系广东广州

针对slope one协同过滤算法中存在的数据稀疏性问题展开研究。提出一种基于余弦相似度加权的协同过滤算法(COSLOPE算法)。用加权slope one算法填充稀疏的评分矩阵后利用cosine算法计算用户之间的相似度,得出目标用户的近邻矩阵。通过近... 详细信息

针对slope one协同过滤算法中存在的数据稀疏性问题展开研究。提出一种基于余弦相似度加权的协同过滤算法(COSLOPE算法)。用加权slope one算法填充稀疏的评分矩阵后利用cosine算法计算用户之间的相似度,得出目标用户的近邻矩阵。通过近邻矩阵中拥有评分记录的用户来预测目标用户的项目评分,并进行推荐。该算法通过MovieLens数据集验证,MAE、RMSE 和MSE的值均优于传统Slope One算法。COSLOPE算法在有效解决数据稀疏性的同时亦提高了传统推荐算法的准确度并降低了算法响应时间。

关键词：余弦相似度 Slope One算法数据稀疏性协同过滤

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：