检索结果-内蒙古大学图书馆

作者：李贝娜燕山大学

学位级别：硕士

近年来,随着以互联网络为平台的各种电子商务网站的日益盛行,网上购物、在线支付日渐成为人们生活中必不可少的存在。推荐系统如何更加准确、更加快速,高效率的推荐符合用户兴趣偏好的项目,就成为了搭建坚固结实“桥梁”的关键,也是目... 详细信息

近年来,随着以互联网络为平台的各种电子商务网站的日益盛行,网上购物、在线支付日渐成为人们生活中必不可少的存在。推荐系统如何更加准确、更加快速,高效率的推荐符合用户兴趣偏好的项目,就成为了搭建坚固结实“桥梁”的关键,也是目前众多研究者研究各类算法的目的。本文正是围绕这一问题深入展开研究的。首先,本文简单阐述了个性化推荐系统中常用的各种推荐技术尤其是协同过滤技术,充分了解了协同过滤算法的原理及分类。除此之外,本文详细介绍了几种经典算法的具体过程,认真研究分析了这些算法的优点以及缺点,同时给出了一些改善的思路。其次,本文通过对经典协同过滤推荐算法的研究,结合用户的个性特点分析,发现传统的协同过滤算法中存在的问题,提出了一种基于满意相似度的协同过滤算法。使得用户个人的局部特征与用户之间的相似性相结合,通过用户的历史数据更加准确的把握用户的兴趣偏好信息,同时也考虑了用户之间共同评价数目对相似度的影响,更加准确的预测用户评分。再次,本文针对协同过滤算法面临的数据稀疏性的问题,结合本文提出的满意相似度计算方法,得到了融合的Slope One算法,弥补了Slope One算法中没有考虑用户之间相似关系的问题。最后,本文运用MATLAB软件进行验证实验,运用提出的算法计算得到用户评分预测值,通过MAE和RMSE两个指标对结果进行评估,并与其他算法进行对比实验,分析评估结果,验证改进算法的可行性和有效性。

关键词：个性化推荐系统协同过滤推荐算法数据稀疏性满意相似度 Slope One算法

来源：评论

学校读者我要写书评

暂无评论

电影个性化推荐系统的研究与实现

电影个性化推荐系统的研究与实现

引用

作者：贾忠涛西南科技大学

学位级别：硕士

随着互联网的发展和移动终端的迅速普及,人们的生活质量得到了极大的提高,网络上供用户观看的电影数量庞大、类型多样,但是用户需要花费大量时间寻找感兴趣的电影,导致电影资源的利用率过低。个性化推荐技术可以从海量信息中挖掘出有价... 详细信息

随着互联网的发展和移动终端的迅速普及,人们的生活质量得到了极大的提高,网络上供用户观看的电影数量庞大、类型多样,但是用户需要花费大量时间寻找感兴趣的电影,导致电影资源的利用率过低。个性化推荐技术可以从海量信息中挖掘出有价值信息,并向用户提供个性化服务,可以很好的解决电影资源利用率低的问题。在个性化推荐系统中,推荐算法的好坏直接影响推荐系统的质量,推荐算法一直是学术研究的重点和热点。协同过滤算法应用广泛,但是基于用户的协同过滤算法存在推荐质量不高的问题,其主要原因有两点:第一,算法没有充分利用用户的特征信息;第二,用户评分矩阵存在数据稀疏性的问题。针对上述问题,提出了基于用户综合相似度的协同过滤算法,算法将用户特征引入到相似度计算之中,将用户的相似度分为评分相似度和特征相似度,并且利用相似度的传递原理降低数据稀疏对推荐效果的影响。最后利用标准数据集,设计实验,给出实验结果并对实验结果进行分析,实验结果表明基于用户综合相似度的协同过滤算法能够提高推荐的准确度。在算法研究的基础上,本文设计和实现了一个电影个性化推荐系统,系统基于B/S模式,采用MVC设计模式的三层架构。首先,对电影推荐系统的进行需求进行分析;其次,在需求分析的基础上对系统进行总体框架设计、功能模块设计、推荐算法设计和数据库设计,给出了系统实现的技术路线和开发环境;然后,开发实现电影个性化推荐系统,给出了系统关键技术的实现,其中包括个人信息管理、电影信息管理和推荐引擎;最后,给出了系统的运行效果,并对系统进行功能测试和性能测试。

关键词：电影个性化推荐协同过滤数据稀疏性用户综合相似度

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤的推荐技术研究

基于协同过滤的推荐技术研究

引用

作者：陈利娟北方工业大学

学位级别：硕士

协同过滤推荐技术根据用户对于资源的历史评价,分析用户的兴趣偏好,确定用户最近邻集合或者项目最近邻集合,然后为目标用户推荐与他们兴趣相符的资源。该技术已经被广泛的应用在实际的系统中,但是目前仍然面临着系统数据稀疏问题、冷启... 详细信息

协同过滤推荐技术根据用户对于资源的历史评价,分析用户的兴趣偏好,确定用户最近邻集合或者项目最近邻集合,然后为目标用户推荐与他们兴趣相符的资源。该技术已经被广泛的应用在实际的系统中,但是目前仍然面临着系统数据稀疏问题、冷启动问题、系统脆弱性等问题。本文主要深入研究了系统数据稀疏性问题,提出了基于加权相似性计算方法,提出了基于直接评分与间接评分的协同过滤算法,大量实验证明,算法在不同的数据稀疏情况下实现了高质量的推荐。提出了基于加权的相似性计算的算法。数据非常稀疏的情况下,传统的相似性计算方法得到的相似性结果具有一定的偶然性,这种偶然性影响系统最近邻的取值,导致系统推荐准确度降低,该算法主要解决相似性计算所存在的这种偶然现象,来提高推荐结果的质量。提出了基于直接评分与间接评分的协同过滤算法。对于直接评分部分,应用了加权相似性计算方法,定义了加权用户相似性和加权项目相似性度量标准,构造了直接推荐用户集合与直接推荐项目集合,给出了直接评分权重的计算方法。对于间接评分部分,构造了相似评分集合,定义了评分相似性度量标准。此外,定义了综合评分权重,在直接评分与间接评分的基础上得到最终推荐结果。我们对算法进行了大量的实验,结果验证了提出的算法在不同稀疏程度的数据上均具有较高的推荐质量。最后,将本文提出的算法进行了原型系统的实现,并分析了系统的推荐质量。

关键词：推荐系统协同过滤数据稀疏性直接评分间接评分

来源：评论

学校读者我要写书评

暂无评论

融入音乐子人格特质和社交网络行为分析的音乐推荐方法

融入音乐子人格特质和社交网络行为分析的音乐推荐方法

引用

作者：黄治移浙江工商大学

学位级别：硕士

随着人们生活质量的提高和生活节奏的加快,人们对精神生活的追求越来越高。音乐以其能够调节情绪、陶冶情操的功能,成为大多数人们生活中必不可少的一部分。传统的音乐推荐关注音乐特征和用户行为偏好,推荐的音乐很难满足用户的个性化需... 详细信息

随着人们生活质量的提高和生活节奏的加快,人们对精神生活的追求越来越高。音乐以其能够调节情绪、陶冶情操的功能,成为大多数人们生活中必不可少的一部分。传统的音乐推荐关注音乐特征和用户行为偏好,推荐的音乐很难满足用户的个性化需求,用户往往希望推荐系统能够根据自己的情感推荐合适的音乐,例如在伤心的时候,可以推荐欢快的音乐。将用户的情感维度加入到音乐推荐算法的设计中,根据用户的情感状态为用户推荐合适的音乐,可以更好的满足用户的个性化需求。此外,人格特质是影响音乐偏好的另一因素,相似的人格特质具有相似的音乐偏好。基于此,本文提出二种融入音乐子人格特质和社交网络行为分析的音乐推荐方法,主要研究内容包括以下几个方面：(1)针对用户情感挖掘比较难的问题,本文设计了一种基于情感词典的微博情感分析方法,考虑到中文情感词汇本体库的质量对于文本情感分析的准确性影响非常大,本文在大连理工大学的情感词汇本体库基础上添加了流行词汇、表情符号和英文单词。此外,本文又收集了常用的反转词和程度副词,最终实现了基于情感词典的微博情感分析方法,提高了用户情感挖掘的准确性。(2)针对用户情感与用户行为数据分离的问题,本文结合微博数据和点播音乐数据,根据微博发布的时间和音乐点播的时间,设置了一定的时间窗口,采用加权求和的方式,计算用户在该微博情感状态下对点播的音乐的偏好度,并建立了<用户II),音乐II),情感状态,偏好度>四元组,为后面的音乐推荐做准备。(3)针对到用户数据稀疏性问题,本文采用一种基于音乐偏好度预测的用户相似度计算方法,通过预测用户在当时情感状态下对未标记音乐偏好度的音乐进行偏好度预测,增加用户之间共同标记的音乐的数量,提高相似度计算的准确度。(4)在音乐推荐方面,本文提出一种融入音乐子人格特质的偏好度预测方法,将音乐子人格特质融入推荐算法中,挖掘用户的实时情感状态,预测用户对音乐的偏好度,选取用户在该情感状态下偏好度前top-N的音乐推荐给目标用户。

关键词：音乐推荐音乐子人格社交网络情感分析数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

基于概率矩阵分解的协同推荐算法研究

基于概率矩阵分解的协同推荐算法研究

引用

作者：窦丽莎燕山大学

学位级别：硕士

随着互联网的普及,电子商务越来越受到人们的关注,网络中的信息逐渐增多,甚至出现了信息过载问题,为了解决该问题,推荐系统应运而生。然而,由于网络中的数据越来越多,只有很少数的用户会对同一个项目进行评分,有很多项目根本没有评分,... 详细信息

随着互联网的普及,电子商务越来越受到人们的关注,网络中的信息逐渐增多,甚至出现了信息过载问题,为了解决该问题,推荐系统应运而生。然而,由于网络中的数据越来越多,只有很少数的用户会对同一个项目进行评分,有很多项目根本没有评分,因此数据稀疏性问题越来越严重,推荐系统的推荐精度也在逐渐下降。因此,人们不得不寻找其他的资源,信任网络就是一种可以利用的资源,但是信任网络同样也面临着数据稀疏性问题。因此,如何缓解数据稀疏性问题,提高推荐系统的预测精度,就成为了人们关注的热门话题。本文在国内外研究的基础之上,针对上述问题进行了深入的研究。首先,针对现有的推荐算法在数据非常稀疏情况下推荐精度较低的问题,提出一种融合概率矩阵分解和邻居模型的协同推荐算法。采用基于概率矩阵分解模型的相似度计算方法来计算用户或者项目之间的相似度;构造一个自然指数函数来计算用户或者项目之间的加权相似度;提出一个平衡调节因子来动态调整基于用户邻居模型和基于项目邻居模型的推荐结果,为目标用户进行协同推荐。其次,针对评分数据稀疏性问题,提出一种融合概率矩阵分解和信任模型的协同推荐算法。同样采用基于概率矩阵分解的方法计算用户之间的相似度,进而计算加权相似度;计算基于信任矩阵的相似用户集合,转换相似度,并且预测潜在的信任关系;将加权相似度和信任度融合,计算得到用户之间的权重,将权重代替基于用户邻居模型算法中的相似度,实现协同推荐。最后,将本文提出的协同推荐算法与现有的其他相关的推荐算法进行实验对比与分析。

关键词：协同推荐数据稀疏性概率矩阵分解信任网络邻居模型

来源：评论

学校读者我要写书评

暂无评论

基于局部优化选择的协同过滤推荐算法研究

基于局部优化选择的协同过滤推荐算法研究

引用

作者：陈超安徽大学

学位级别：硕士

互联网的普及和信息技术的快速发展把我们带入了信息爆炸的时代,一方面满足了用户对各种信息的需求。而另一方面随着互联网资源的爆炸式增长,面对各种繁杂的网络信息时,用户很难具体找到自己所需的信息资源,即信息过载。为了解决这个问... 详细信息

互联网的普及和信息技术的快速发展把我们带入了信息爆炸的时代,一方面满足了用户对各种信息的需求。而另一方面随着互联网资源的爆炸式增长,面对各种繁杂的网络信息时,用户很难具体找到自己所需的信息资源,即信息过载。为了解决这个问题个性化推荐被提出,推荐系统能够更加便利的为不同的用户获取所需的信息。个性化推荐是利用不同用户的爱好及其行为记录,然后推荐其感兴趣的内容。当前大部分个性化推荐都在推荐预测精度方面进行改进,然而随着推荐系统规模越来越庞大,用户和项目的数目动辄百万,两个项目或者用户之间选择的重叠少之又少,这时面临数据稀疏性问题,导致推荐质量严重下降。本文针对该问题进行了研究,介绍了现有的若干种改进传统推荐技术的推荐算法,在其基础上提出了改进的算法,本文重点提出了两种改进的推荐方法：基于局部优化的组合推荐方法CCFHU以及基于项目属性和局部优化的协同过滤推荐方法CUCF。本文的主要工作是：1.对若干种传统的推荐算法及其改进算法进行介绍,重点介绍了协同过滤推荐算法,分析了该算法存在的优点和不足。2.围绕着解决数据稀疏性问题,在选择目标的近邻时利用局部优化选择的方法选择对象作为推荐群,降低了预测的误差,同时一定程度上使误差值收敛于某一固定值；再针对于协同过滤预测存在特殊的不准确预测结果,利用基于内容的方法进行修正,提出基于局部优化的组合推荐算法CCFHU。3.提出一种拉普拉斯平滑方法对项目属性的相似性存在误差进行优化,在提供很少量的项目属性特征时,都能够获得较为准确的项目相似性；其次利用局部优化选择近邻的思想,提出基于项目属性和局部优化选择的协同过滤推荐算法CUCF,实验对比CUCF算法其他四种不同推荐方法,其预测精度提高7.1%-15.5%,进一步证明了CUCF算法有效的减小了数据稀疏性对推荐质量的影响,在预测准确率方面能够取得较好的效果。

关键词：协同过滤数据稀疏性局部优化拉普拉斯平滑

来源：评论

学校读者我要写书评

暂无评论

基于兴趣传播的用户相似性计算方法研究

引用

计算机应用与软件 2015年第10期32卷 95-100,104页

作者：廖大强印鉴邬依林邹杜南华工商学院广东广州510507 中山大学信息科学与技术学院广东广州510238 广东第二师范学院计算机科学系广东广州510310 华南理工大学广东省计算机网络重点实验室广东广州510640

针对传统的协同过滤算法中存在数据稀疏性和冷启动的不足,分析目前已有的解决方案,提出基于用户兴趣传播的协同过滤算法。在改进算法中可以让用户兴趣进行直接传播,使得用户兴趣游走以及更新,计算用户-兴趣的分布矩阵从而获取用户兴趣... 详细信息

针对传统的协同过滤算法中存在数据稀疏性和冷启动的不足,分析目前已有的解决方案,提出基于用户兴趣传播的协同过滤算法。在改进算法中可以让用户兴趣进行直接传播,使得用户兴趣游走以及更新,计算用户-兴趣的分布矩阵从而获取用户兴趣的相似性,然后对上述过程通过算法描述其实现过程,最后对算法进行实验分析。在这个算法当中不仅解决用户的兴趣的相似性计算问题,又考虑到其他的邻居的用户对于目标用户兴趣偏好的影响,在数据稀疏性的情况下保证了算法的有效性,在一定程度上提高了性能。仿真实验表明,算法的性能具有可行性和有效性。

关键词：数据稀疏性用户兴趣直接传播兴趣游走兴趣偏好协同过滤

来源：评论

学校读者我要写书评

暂无评论

基于用户兴趣向量的混合推荐算法

基于用户兴趣向量的混合推荐算法

引用

作者：徐文涛山东大学

学位级别：硕士

随着网络信息化新格局的出现,人们在互联网中的角色逐渐发生了变化。方面,作为信息浏览者,可以利用更加丰富的网络资源满足自己的需求。另一方面,作为信息制造者,人们正在习惯将生活中的点点滴滴上传到互联网,同时以史无前例的速度继续... 详细信息

随着网络信息化新格局的出现,人们在互联网中的角色逐渐发生了变化。方面,作为信息浏览者,可以利用更加丰富的网络资源满足自己的需求。另一方面,作为信息制造者,人们正在习惯将生活中的点点滴滴上传到互联网,同时以史无前例的速度继续生产内容。这种海量信息的呈现使得用户无所适从,想要从中挑出真正吻合用户兴趣的内容非常困难,这就出现了信息过载现象。所以,当下信息过载问题的解决变得日益迫切。推荐系统是解决信息过载问题的关键技术之一,成为了无数学者追逐研究的热点。推荐系统通过获取服务器中用户的行为日志,得到可以描述用户兴趣的原始数据,进而构建用户的兴趣模型,通过相似度分析计算,为用户呈现更加个性化的浏览页面,从而提高用户的浏览效率和使用感受。推荐系统不仅仅是一个热门的理论研究方向,而且作为一种有效的营销手段已经广泛应用于互联网。然而,面对越来越复杂多样的应用场景,推荐系统暴露出了若干问题,如：数据稀疏性问题、用户兴趣迁移问题等。本文针对现有技术存在的问题,研究了电影推荐中的推荐算法,同时研究了基于推荐算法的医疗冷柜存储策略,提出有效的解决方案。主要内容如下：(1)以电影推荐为应用背景,提出了一种基于用户兴趣向量的混合电影推荐算法。众所周知,基于协同过滤的推荐算法对于用户的兴趣变化不敏感,同时数据稀疏性问题也制约了该算法的发展。针对这两个问题,提出了一种新型的基于用户兴趣向量的混合电影推荐算法。①为了解决数据稀疏性问题,本文引入了用户混合兴趣向量。从电影特征向量入手,借助用户的评分矩阵以迭代的方式处理得到用户的兴趣特征向量,根据得到的用户兴趣向量和用户的评分信息组成用户混合兴趣向量,进而构建用户相似矩阵,最终根据传统的协同过滤评分方式完成推荐。②针对用户兴趣变化的情况,在构建用户兴趣向量过程中融入时间因子,使得越接近当前时间的评分行为权重越大,越能反映出用户的当前兴趣。本文在Movielens数据集上进行了实验,并与现有的相关算法进行了性能比较。实验结果表明本文算法在预测评分准确性和收敛性上都有明显的提高。(2)以医疗冷柜为应用背景,提出一种基于用户行为的智能医疗冷柜系统中样品的智能存取策略。该策略在智能医疗冷柜的自动化提取过程中加入样品推荐模块,增强用户与冷柜系统的交互能力,提升用户的工作效率。具体的,该策略重点解决以下技术问题：①如何利用丰富的样品内容信息辅助存储。②如何根据用户的存取行为构建有效的提取策略。通过实时收集用户的存储和提取行为建立用户的行为数据,结合样品本身特征属性和用户行为的数据分析,建立样品之间的关联度矩阵,从而针对待存储样品给出合理的存储位置(问题①)。同时,在用户提取样品阶段提出相应的推荐,从而提升用户的使用体验(问题②)。

关键词：推荐系统数据稀疏性兴趣迁移存取策略

来源：评论

学校读者我要写书评

暂无评论

电子商务协同过滤推荐技术研究

电子商务协同过滤推荐技术研究

引用

作者：张屾对外经济贸易大学

学位级别：硕士

如今,Internet发展迅猛，已成为人们生活中不可或缺的一部分。无论是出门吃饭还是在家看影视节目都可以根据网站的推荐进行选择。然而,随着接入互联网的网页数量不断增长,传统的搜索算法已无法针对不同用户提供个性化的信息，随之产生... 详细信息

如今,Internet发展迅猛，已成为人们生活中不可或缺的一部分。无论是出门吃饭还是在家看影视节目都可以根据网站的推荐进行选择。然而,随着接入互联网的网页数量不断增长,传统的搜索算法已无法针对不同用户提供个性化的信息，随之产生了“信息过载”的问题。因此，个性化推荐技术应运而生。协同过滤推荐算法是当前推荐系统中应用最广泛的推荐算法，但是随着电子商务的规模不断扩大，协同过滤算法同样遇到了一些挑战，如冷启动问题、数据稀疏性等问题。本文针对协同过滤算法进行了深入的学习和研究，并阐述了相应的组合算法和针对协同过滤算法的改进算法，取得了理想的结果。本文的创新工作主要如下： 1、使用Netflix公司的数据集Movielens中除了用户——项目评分外的数据。 2、提出一种数据处理方法来消除不同个体评分差异性对项目评分预测带来的误差；改进了协同过滤的数据稀疏性惩罚，减少数据稀疏性对项目评分预测带来的误差；提出协同过滤的时间性惩罚，减少系统对用户进行过时推荐。 3、进一步提出一种基于位置的协同过滤算法，有待具体的实验数据进行研究。

关键词：协同过滤 Apache Mahout 推荐系统数据处理数据稀疏性时间性惩罚

来源：评论

学校读者我要写书评

暂无评论

电子商务个性化推荐系统综述

引用

商 2015年第43期 212-213页

作者：黄春华寇伟四川邮电职业技术学院

目前我国已经迎来了电子商务蓬勃发展的时代,然而面对海量的商品,客户难以及时地找到符合心意的商品。在这种情况下,只有借助于电子商务个性化推荐系统,电子商务系统才能准确及时地发现用户的购物需求,并为其提供相关的产品的信息,同时... 详细信息

目前我国已经迎来了电子商务蓬勃发展的时代,然而面对海量的商品,客户难以及时地找到符合心意的商品。在这种情况下,只有借助于电子商务个性化推荐系统,电子商务系统才能准确及时地发现用户的购物需求,并为其提供相关的产品的信息,同时还能在最大程度上挖掘用户的潜在需求。协同过滤技术是目前个性化推荐系统中广泛使用的、最成功的推荐算法之一,但也仍然存在许多问题,需要进行改善。

关键词：电子商务个性化推荐系统协同过滤算法数据稀疏性冷启动

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：