检索结果-内蒙古大学图书馆

作者：郭兰杰山西大学

学位级别：硕士

随着Web2.0技术的快速发展,互联网给人们的工作生活都带来了很多的便利。例如,在过去人们为了买一件衣服,可能需要去很远的商场购买,而如今,只需要通过网络在淘宝,京东等电商网站在线购买即可,省时省力。然而,当海量的商品信息充斥于互... 详细信息

随着Web2.0技术的快速发展,互联网给人们的工作生活都带来了很多的便利。例如,在过去人们为了买一件衣服,可能需要去很远的商场购买,而如今,只需要通过网络在淘宝,京东等电商网站在线购买即可,省时省力。然而,当海量的商品信息充斥于互联网中时,人们面临着严重的信息过载问题。为了帮助用户更轻松更快速的寻找到所需要的商品,推荐系统应运而生,并被广泛的应用于诸如亚马逊,Netflix等网站。在诸多推荐算法当中,协同过滤算法由于只需要评分信息而且实现技术难度不大,成为最流行最成功的推荐算法之一。但是,它依然面临着数据稀疏性,可扩展性差的问题,一定程度上限制了推荐系统的预测推荐能力。近年来社交网站发展迅速,传统的电子商务网站也加入了用户社交的功能,为用户提供了评论,交流,反馈的能力,并产生了海量的社交网络信息,为解决传统协同过滤算法所面临的难题提供了新的思路和途径。基于以上分析,本文通过引入用户社交网络信息提出了两种新的协同过滤算法,具体内容如下:(1)为了解决数据稀疏性问题,本文分别在物品相似度计算和评分预测阶段,利用社交网络中朋友关系信息对评分矩阵中的缺失值进行选择性地填充,使得评分矩阵中的已有信息利用最大化,进而提出了基于社交网络缺失值填充的协同过滤推荐算法。最后,在公开数据集上进行了相关实验,结果表明提出的方法在数据稀疏的情况下,仍然有着很好的推荐精度。(2)为了解决可扩展性问题,本文对用户的社交网络进行社区发现,找到各个社区对应的物品集合,将物品划分为若干个物品组,然后构建出一个低维稠密的物品隶属度矩阵来代替传统协同过滤中高维稀疏的评分矩阵,进而在该隶属度矩阵上计算物品相似度,进行基于物品的协同过滤算法。最后,在公开数据集上进行了相关实验,结果表明与其他方法相比提出的方法在保证推荐准确性的同时明显提升了计算效率。本文提出的两种算法极大的改善了传统协同过滤算法的性能,使得推荐系统面对大数量的用户和物品的真实环境中的应用能力更强,将信息精准的推送给需要它的用户,提高人们的互联网体验。

关键词：协同过滤社交网络数据稀疏性可扩展性

来源：评论

学校读者我要写书评

暂无评论

统计视角下面向数据稀疏问题的协同过滤推荐算法研究

统计视角下面向数据稀疏问题的协同过滤推荐算法研究

引用

作者：张娟娟重庆工商大学

学位级别：硕士

随着网络的普及以及电子商务的飞速发展,信息资源呈爆发式增长,用户在海量资源中快速而准确得找到自己喜欢的信息或商品变得越来越困难。为了解决这个问题,便产生了推荐系统。推荐算法一直是推荐系统的核心技术。目前,协同过滤推荐算法... 详细信息

随着网络的普及以及电子商务的飞速发展,信息资源呈爆发式增长,用户在海量资源中快速而准确得找到自己喜欢的信息或商品变得越来越困难。为了解决这个问题,便产生了推荐系统。推荐算法一直是推荐系统的核心技术。目前,协同过滤推荐算法是众多推荐算法中应用最成功且最广泛的推荐技术。它主要根据用户留在网上的评分进行推荐。然而在实际应用中,由于用户数据和项目数据规模相当庞大,且用户对自己接触过的项目评分数量又非常有限,从而导致了严重的数据稀疏性问题,该问题是导致传统的协同过滤推荐算法推荐精度较差的主要原因之一。本文试图站在统计学的角度,针对数据稀疏性问题对协同过滤推荐算法进行研究。实现了基于描述性统计的简单推荐,并探究了将统计量填充、聚类分析、矩阵分解等方法应用到协同推荐算法中的效果。在详细分析了数据稀疏性问题的起因以及对协同推荐的影响途径基础上,本文提出了采用统计量填充的方法缓解数据稀疏性问题,进而用K-Means聚类方法对用户进行聚类,根据轮廓系数确定用户类别数,对每类用户的缺失评分使用同类别的评分统计量作为固定值进行填充。除了固定值填充缺失评分外,本文还采用奇异值分解(SVD)降维技术实现评分预测,利用预测评分对原始矩阵进行填充,形成新的用户—项目评分矩阵,再进行协同推荐。最后从推荐过程修正的角度出发,对传统的用户间相似度计算采用加权的方式进行改进,提出了基于用户偏好相似度与用户评分相似度进行加权计算用户间相似度的方法。采用MovieLens数据集对上述方法进行实验,通过平均绝对偏差(MAE)比较不同方法对推荐算法的改进效果,算法过程主要采用EXCEL,R语言辅助编程实现。实验证明,本文提出的方法均能在一定程度上缓解数据稀疏问题,从而提高推荐质量。统计量填充、聚类、相似度计算等都属于统计学中的基础方法,考虑将统计学方法应用于推荐领域,不应该只注重于繁杂的模型,将基础的统计方法加入到推荐算法的研究中来,也能够有效得解决推荐算法所面临的问题。在未来发展中,统计学方法将会应用于更多领域,获得更长足的发展。

关键词：统计学协同过滤推荐算法数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

在线社会网络中信任预测及评分预测研究

在线社会网络中信任预测及评分预测研究

引用

作者：何海洋桂林电子科技大学

学位级别：硕士

随着信息技术的快速发展，信息超载和信息安全问题逐渐引起了人们的广泛重视，如何从大量的信息资源中迅速有效的提取用户所感兴趣的安全信息成为了当前重要的研究课题。推荐系统作为信息过滤中一种重要的技术，主要通过分析用户的个人... 详细信息

随着信息技术的快速发展，信息超载和信息安全问题逐渐引起了人们的广泛重视，如何从大量的信息资源中迅速有效的提取用户所感兴趣的安全信息成为了当前重要的研究课题。推荐系统作为信息过滤中一种重要的技术，主要通过分析用户的个人信息、偏好倾向和交互点击行为数据对用户的兴趣特点进行建模，向用户推荐感兴趣的项目，并生成个性化推荐以满足个性化需求。推荐系统由于其巨大的商业价值，受到了学术界和工业界的广泛关注。另外，互联网技术的快速发展使得大量在线社会网络应用得到普及，社会网络允许用户自由发布和分享信息，网络信息安全问题不断蔓延，如何提供一个有效的信任机制帮助过滤来自恶意虚假用户的信息已迫在眉睫。\n 本文对在线社会网络中存在的信息超载和信息安全问题进行分析研究，首先针对现有的在线社会网络中存在的信任关系稀疏性问题及信任诱因的难以识别问题，提出一种基于信任前因框架（Trust Antecedent Framework）和矩阵分解的信任预测模型。该模型将信任前因框架作为一个正则项融合到矩阵分解中实现对信任预测的建模，并提出无监督的ta fTr us t模型进行信任预测。该模型综合考虑了信任前因框架中影响用户之间信任的关键因素，通过在真实数据集上的实验结果表明，相比于目前较为流行的信任预测模型，该模型在信任预测方面具有较高的预测精度。\n 然后，对于现有推荐系统中所面临的数据稀疏性问题，提出一种基于用户类别偏好相似度和联合矩阵分解的推荐算法。本文提出的JMF-UCP推荐算法结合用户评分数据及用户类别偏好进行物品推荐，以解决用户评分数据稀疏时评分预测准确率低的问题。算法的时间复杂度随着数据量的增加呈线性增长，因此适用于大规模数据。通过在真实数据集Movielens上的所得出的实验结果表明，与目前一些比较流行的推荐算法相比较，提出的推荐算法在RMSE评估标准上取得更好的推荐效果。

关键词：矩阵分解在线社会网络信任预测模型 JMF-UCP推荐算法数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

基于节点用户和概率矩阵分解模型的推荐算法

基于节点用户和概率矩阵分解模型的推荐算法

引用

作者：张敏杰天津大学

学位级别：硕士

基于矩阵分解的推荐算法在推荐系统领域已得到长足发展,同时随着社交网络等的兴起,用户社交关系在推荐算法中也越来越扮演着举足轻重的地位。社交网络较传统社交的最大区别在于社交网络中信息流动会显著的受一些影响力很大的用户影响,... 详细信息

基于矩阵分解的推荐算法在推荐系统领域已得到长足发展,同时随着社交网络等的兴起,用户社交关系在推荐算法中也越来越扮演着举足轻重的地位。社交网络较传统社交的最大区别在于社交网络中信息流动会显著的受一些影响力很大的用户影响,这些用户被称为“节点用户”。单纯的矩阵分解模型及将社交网络引入矩阵分解的模型在近些年被大量提出,但对于社交网络中的节点用户以及节点用户影响力对模型和推荐效果的影响鲜有研究。论文主要研究内容包括:1)分析社交网络中用户影响力指标,定义节点用户,并利用斯皮尔曼等级系数分析各指标之间关系;2)将节点用户影响力引入矩阵分解模型,提出基于节点用户的概率矩阵分解模型;3)提出二度拓展和基于影响力的限制性拓展两种社交关系拓展方法,通过缓解模型中社交关系数据的稀疏性,来提高预测准确度。论文首先研究社交网络中的用户影响力指标并对节点用户进行定义,提出基于节点用户的概率矩阵分解模型,并针对该模型采用豆瓣电影和Yelp数据集进行验证。实验证明了该模型的有效性,并且在社交关系数据质量较高时较其他模型优势明显,同时结果也展示出在不同特点的环境和数据下应选用不同影响力指标;其次本文提出了两种缓解社交关系稀疏性的方法,同样通过上述数据集进行了验证。实验结果显示了两种方法分别在不同情况下的有效性,且可以进一步提高推荐算法的预测准确性。

关键词：节点用户概率矩阵分解数据稀疏性推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于时间因子的Slope One协同过滤推荐算法

引用

信息技术 2016年第10期40卷 1-5页

作者：陆胜伟唐振民吕建勇南京理工大学计算机科学与工程学院南京210094

在个性化推荐系统使用的各种各样的技术中,协同过滤算法一直备受关注。然而在实际应用中,由于用户评价过的项目相对于总项目数可谓是冰山一角,数据的稀疏性严重影响了推荐系统的推荐质量。在加权Slope One算法的基础上提出一种改进算法... 详细信息

在个性化推荐系统使用的各种各样的技术中,协同过滤算法一直备受关注。然而在实际应用中,由于用户评价过的项目相对于总项目数可谓是冰山一角,数据的稀疏性严重影响了推荐系统的推荐质量。在加权Slope One算法的基础上提出一种改进算法,考虑了时间因子,从时间跨度和时间序列等角度重新评估已评分项目对未评分项目的评分权重。实验表明,算法在解决稀疏性的同时,拥有更高的准确率。

关键词：协同过滤数据稀疏性 Slope One 时间

来源：评论

学校读者我要写书评

暂无评论

一种改进的缺失数据协同过滤推荐算法

引用

微型机与应用 2016年第17期35卷 17-19页

作者：周明升韩冬梅上海财经大学信息管理与工程学院上海200433 上海外高桥保税区联合发展有限公司上海200131

协同过滤推荐算法是推荐系统研究的热点,近年来,在亚马逊、淘宝等商业系统中获得应用。在实际应用过程中,协同过滤推荐面临数据稀疏和准确性低的问题。作为推荐基础的用户-产品(项目)矩阵通常非常稀疏(存在大量缺失数据),从而导致推荐... 详细信息

协同过滤推荐算法是推荐系统研究的热点,近年来,在亚马逊、淘宝等商业系统中获得应用。在实际应用过程中,协同过滤推荐面临数据稀疏和准确性低的问题。作为推荐基础的用户-产品(项目)矩阵通常非常稀疏(存在大量缺失数据),从而导致推荐结果不准确。文章试图在缺失数据情况下提高协同过滤推荐的准确性,聚焦以下两个方面:(1)用户相似度、产品(项目)相似度计算;(2)缺失数据预测。首先,用增强的皮尔森相关系数算法,通过增加参数,对相似度进行修正,提高用户、产品(项目)相似度计算的准确率。接着,提出一种同时考虑了用户和产品(项目)特征的缺失数据预测算法。算法中,对用户和产品(项目)分别设置相似度阈值,只有当用户或产品(项目)相似度达到阈值时,才进行缺失数据预测。预测过程中,同时使用用户和产品(项目)相似度信息,以提高准确度。在模型基础上,用淘宝移动客户端的数据集进行了验证,实验结果表明所提算法比其他推荐算法要优异,对数据稀疏性的鲁棒性要高。

关键词：协同过滤推荐系统缺失数据预测数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤的个性化推荐算法研究

基于协同过滤的个性化推荐算法研究

引用

作者：赵维浙江工业大学

学位级别：硕士

在网民覆盖率日益攀高的今天，互联网俨然成为了一个大型的信息交互平台，人们每天都在互联网上不断地创造和分享信息，随之而来的“信息过载”问题也越来越严重：如何从纷繁复杂的信息中找到感兴趣的信息？人们熟知的搜索引擎如Baidu、... 详细信息

在网民覆盖率日益攀高的今天，互联网俨然成为了一个大型的信息交互平台，人们每天都在互联网上不断地创造和分享信息，随之而来的“信息过载”问题也越来越严重：如何从纷繁复杂的信息中找到感兴趣的信息？人们熟知的搜索引擎如Baidu、Google等对于用户主动且明确的需求给予了很好的支持，然而很多时候用户的需求是模糊和被动的，此时的搜索引擎不再能满足人们的需求。个性化推荐系统在对用户历史行为数据进行分析的基础上，利用相关推荐技术对用户的需求和兴趣进行挖掘、对信息进行过滤和筛选，最后产生推荐。在用户需求是模糊和被动的情况下个性化推荐系统的作用显得更加有效。\n 推荐算法是个性化推荐系统的核心，随着大数据时代的来临，如何有效利用数据来改进推荐算法性能已经成为一个重要的研究领域。到目前为止，主流的推荐方法主要有基于协同过滤的推荐方法、基于内容的推荐方法和基于知识的推荐方法等，其中基于协同过滤的推荐方法是最为行之有效的，并大量应用于电子商务网站之中。尽管如此，和许多推荐方法一样，基于协同过滤的推荐方法依然面临着数据稀疏性问题、冷启动问题等亟待解决的问题。鉴于此，本文作了相关研究和分析，改进了协同过滤算法性能，并从一定程度上缓解了数据稀疏性问题，其主要工作内容和创新点如下：\n 1.研究和分析了现有的主流推荐算法，指出了各自的优势和不足，为后面算法的改进提供了理论基础。\n 2.对基于用户邻域的推荐算法进行研究，通过改变不同用户群体的权重因子、利用时间上下文信息和“惩罚”热门物品等方法改进了相似度模型以改进算法，并采用最小二乘法对算法进行融合。实验结果表明，和传统的利用皮尔森相似度的基于用户邻域的算法相比，改进和融合后的算法推荐精度有所提高。\n 3.对基于矩阵奇异值分解的推荐算法进行研究，通过利用时间上下文信息和引入相似度信息等方法对算法进行改进，并采用最小二乘法对算法进行融合。实验结果表明，改进和融合后的算法和传统的基于矩阵奇异值分解的方法相比算法精度有所提高。\n 4.针对数据稀疏性问题，通过把用户信任度引入基于随机游走的PersonalRank算法来改进算法。实验结果表明，和基于随机游走的PersonalRank算法相比，改进后的算法在有效缓解数据稀疏性问题的同时提高算法精度和算法稳定性。

关键词：协同过滤个性化推荐算法数据稀疏性奇异值分解

来源：评论

学校读者我要写书评

暂无评论

一种大数据环境下的在线社交媒体位置推断方法

引用

软件学报 2015年第11期26卷 2951-2963页

作者：王凯余伟杨莎吴敏胡亚慧李石君武汉大学计算机学院湖北武汉430072 汉口学院计算机科学与技术学院湖北武汉430212 中船重工第七二二研究所湖北武汉430079 空军预警学院湖北武汉430000

随着在线社交媒体的快速发展和可定位设备的大量普及,地理位置作为社交媒体大数据中一种质量极高的信息资源,开始在疾病控制、人口流动性分析和广告精准投放等方面得到广泛应用.但是,由于大量用户没有指定或者不能准确指定位置,社交媒... 详细信息

随着在线社交媒体的快速发展和可定位设备的大量普及,地理位置作为社交媒体大数据中一种质量极高的信息资源,开始在疾病控制、人口流动性分析和广告精准投放等方面得到广泛应用.但是,由于大量用户没有指定或者不能准确指定位置,社交媒体上的地理位置数据十分稀疏.针对此数据稀疏性问题,提出一种基于用户生成内容的位置推断方法 UGC-LI(user generate content driven location inference method),实现对社交媒体用户和生成文本位置的推断,为基于位置的个性化信息服务提供数据支撑.通过抽取用户生成文本中的本地词语,构建一个基于词汇地理分布差异和用户社交图谱的概率模型,在多层次的地理范围内推断用户位置.同时,提出一个基于位置的参数化语言模型,计算用户生成文本发出的城市.在真实数据集上进行的评估实验表明:UGC-LI方法能够在15km偏移距离准确定位64.2%的用户,对用户所在城市的推断准确率达到81.3%;同时,可正确定位32.7%的用户生成文本发出的城市,与现有方法相比有明显的提高.

关键词：位置推断用户生成内容数据稀疏性在线社交媒体社交图谱

来源：评论

学校读者我要写书评

暂无评论

基于混合方式的电影个性化推荐研究

基于混合方式的电影个性化推荐研究

引用

作者：吉庆荣云南大学

学位级别：硕士

信息化大潮不可逆转,在信息的海洋中人们对信息的利用率越来越低。如何从海量的数据中及时地、准确地搜索到自己所需要的信息越来越重要。电影作为人们日常休闲娱乐的重要内容,给人们的生活带来了无穷的乐趣。现阶段电影市场表现出数量... 详细信息

信息化大潮不可逆转,在信息的海洋中人们对信息的利用率越来越低。如何从海量的数据中及时地、准确地搜索到自己所需要的信息越来越重要。电影作为人们日常休闲娱乐的重要内容,给人们的生活带来了无穷的乐趣。现阶段电影市场表现出数量上急剧膨胀、品质上良莠不齐的特性,如何给用户一个更好的观看体验已成为一个热门研究问题。本文实现了一种混合的协同推荐算法,该算法通过基于项目、用户的协同过滤技术对用户项目数据矩阵进行两次填充,可以缓解稀疏性问题。同时利用云模型的定量知识与定性知识的转换技术,进行用户之间的相似性度量,从而无需进行严格的用户评分属性匹配,即可利用用户的评分信息,计算目标用户的最近邻居。实验采用了Mahout中的高效推荐引擎Taste单机内存框架,并对相关模块进行了编程实现。结果表明,该模型能够有效地解决数据稀疏问题,显著地提高推荐系统的推荐质量。本文主要的贡献有：(1)在Mahout框架下实现了云模型,相比于传统的相似度计算方法,云模型能够获得更准确的最近邻。并且,通过实验分析了云模型的可行性。(2)采用基于用户、项目的过滤技术对数据进行两次填充,充分的考虑到用户对电影的个性化需求。并用云模型将每一个有效的用户电影评分考虑进来,充分利用了用户的每一个评分数据。在处理数据稀疏性问题上实行多重解决办法。(3)通过大量数据,对本文提出的算法进行了详细的测试,并通过召回率和MAE这两个指标对算法的性能进行评估。从这两项指标分析对比中证明了本文算法与模型的可行性。

关键词：混合方式云模型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

一种改进的协同过滤推荐算法

引用

软件导刊 2016年第4期15卷 63-65页

作者：严旗令西南科技大学计算机学院四川绵阳621010

协同过滤算法自提出以来便得到了广泛运用,但协同过滤算法本身具有的数据稀疏性及冷启动问题也制约了算法的性能。通过分析协同过滤算法的原理和不足,提出了一种改进协同过滤算法的思路,并在MovieLens数据集上进行了验证,一定程度上提... 详细信息

协同过滤算法自提出以来便得到了广泛运用,但协同过滤算法本身具有的数据稀疏性及冷启动问题也制约了算法的性能。通过分析协同过滤算法的原理和不足,提出了一种改进协同过滤算法的思路,并在MovieLens数据集上进行了验证,一定程度上提高了算法性能。

关键词：推荐系统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

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：