检索结果-内蒙古大学图书馆

情报杂志 2013年第9期32卷 185-189,184页

作者：王道平周丹云李秀雅北京科技大学东凌经济管理学院北京100083

针对传统知识推送方法中数据稀疏性的问题,本文提出了一种基于三部图的随机游走知识推送方法。该方法首先建立并分析了"用户-项目-标签"三部图,得到了用户对项目和标签的初始评分值;然后分别在项目空间和标签空间中利用随机... 详细信息

针对传统知识推送方法中数据稀疏性的问题,本文提出了一种基于三部图的随机游走知识推送方法。该方法首先建立并分析了"用户-项目-标签"三部图,得到了用户对项目和标签的初始评分值;然后分别在项目空间和标签空间中利用随机游走算法,生成若干个待推送项目,并重新计算预测评分;最后对用户进行知识推送。实验结果表明,该推送方法有效地提高了知识推送的精确度,满足了用户的知识需求。

关键词：数据稀疏性知识推送三部图随机游走

来源：评论

学校读者我要写书评

暂无评论

基于内容相似度的知识协同过滤推送算法研究

引用

情报理论与实践 2013年第10期36卷 86-90页

作者：王道平李秀雅杨岑北京科技大学东凌经济管理学院北京100083

针对协同过滤算法数据稀疏性和冷启动的问题,提出一种基于内容相似度的知识协同过滤推送算法。该算法在原有协同过滤算法的基础上,综合考虑了用户兴趣和项目属性的影响,利用内容相似度的方法解决了用户—项目评分矩阵的数据稀疏性等问... 详细信息

针对协同过滤算法数据稀疏性和冷启动的问题,提出一种基于内容相似度的知识协同过滤推送算法。该算法在原有协同过滤算法的基础上,综合考虑了用户兴趣和项目属性的影响,利用内容相似度的方法解决了用户—项目评分矩阵的数据稀疏性等问题。该算法有效地提高了知识推送的精确度,满足了用户的知识需求。

关键词：协同过滤知识推送内容相似度数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

SNS背景下基于相似度融合的电子商务推荐系统数据稀疏性问题研究

SNS背景下基于相似度融合的电子商务推荐系统数据稀疏性问题研究

引用

作者：张丽君中国科学技术大学

学位级别：硕士

随着电子商务网站的发展壮大,如何快速搜索顾客需要的产品信息成为一个难题,由于推荐系统可以将信息主动推送给顾客,所以推荐系统在电子商务网站的成功应用促进了电子商务的进一步发展。关于推荐系统的学术研究一直是数据挖掘领域的一... 详细信息

随着电子商务网站的发展壮大,如何快速搜索顾客需要的产品信息成为一个难题,由于推荐系统可以将信息主动推送给顾客,所以推荐系统在电子商务网站的成功应用促进了电子商务的进一步发展。关于推荐系统的学术研究一直是数据挖掘领域的一个热点,并产生了很多研究成果形成有效的推荐算法,像基于内容的推荐、协同过滤推荐、基于规则的推荐、基于人口统计信息的推荐、基于效用的推荐、基于知识的推荐和混合推荐,这些方法各有千秋,其中要属协同过滤推荐的应用最为成功,并且关于这一推荐算法的研究也是最多的。但是随着电子商务的迅猛发展,协同过滤推荐系统也面临着一些难以避免的瓶颈问题,包括数据稀疏性问题、冷启动问题、规模性问题、推荐实时性问题和隐私安全性问题,而冷启动问题事实上就是数据稀疏性问题的升级,当系统刚刚上线使用时都会面临冷启动问题,所以数据稀疏性问题是协同过滤推荐系统的一个研究热点。\n 本文也是针对协同过滤推荐系统的数据稀疏性问题提出了一个改进算法,即基于Rating和Tag相似度融合的协同过滤推荐(简记为CFSFRT)。随着Web2.0时代的到来,社交网站也如火如荼的发展起来,标签Tag的成功应用正是源于美味书签网站***的迅速发展。本研究正是以社交网站作为研究背景,利用可收集的标签Tag信息作为补充,降低数据稀疏性的影响,提高推荐的质量。\n CFSFRT算法首先对收集的标签Tag进行去噪预处理,得到热门标签集合,然后再根据改进的词根还原算法进行标签聚类处理,得到聚类的标签集合。然后根据传统协同过推荐算法计算用户之间基于Rating信息的相似度,然后再利用Tag信息计算用户与标签之间的相关度并建立用户-标签相关度矩阵,并据此计算用户之间基于Tag信息的相似度,再将这两种相似度融合得到综合相似度,最后根据这个综合相似度进行协同过滤推荐。文章最后给出了具体的实验设计,并以MAE作为评价标准,实验结果证明了CFSFRT算法能有效提高推荐的精度。

关键词：社会性网络服务电子商务推荐系统协同过滤推荐数据稀疏性相似度融合

来源：评论

学校读者我要写书评

暂无评论

稀疏数据话题建模关键技术研究

稀疏数据话题建模关键技术研究

引用

作者：白露中国科学院大学

学位级别：博士

话题模型是近年来在文本分析和挖掘领域比较流行的机器学习方法，不像传统的向量空间模型在高维稀疏的单词空间中刻画文档，它在表示文档时，通过使用隐话题将文档和单词联系起来。这样，在赋予文档的低维表示的同时，也可以挖掘出文档... 详细信息

话题模型是近年来在文本分析和挖掘领域比较流行的机器学习方法，不像传统的向量空间模型在高维稀疏的单词空间中刻画文档，它在表示文档时，通过使用隐话题将文档和单词联系起来。这样，在赋予文档的低维表示的同时，也可以挖掘出文档中单词的语义，即话题。话题模型扩展了人们对数据的认识，已被广泛应用到文本挖掘和信息处理的各个领域。然而，在研究和应用话题模型的过程中，人们发现尽管网络包含了海量的数据，但数据本身却具有稀疏的特性。数据的稀疏性不仅表现在数据特征上的不足，而且会降低数据间的关联性。因此如何将话题模型拓展到具有稀疏性的文本建模场景中，挖掘出有效的文本语义，成为学术界和工业界关注的热点。\n 本文主要针对文本数据稀疏特性影响下的话题模型进行研究，我们研究主要围绕稀疏性的三个方面展开:1）文本内容的稀疏性;2）文本语义的稀疏性;3）文本间相互关系的稀疏性。具体的研究内容包括:\n 针对内容稀疏数据，我们以搜索查询为例，提出了一种建模词项查询图的概率混合模型。该模型通过查询日志中的查询会话信息将查询联系起来，不仅增强了查询内部单词共现的统计特性，而且使得学习出的话题能够反映用户在使用搜索引擎的查询意图。另外，我们还提出了一种能有效融合查询意图的查询推荐方法，该方法可以将查询中单词的推荐结果按查询意图自然的融合，避免了噪声单词对推荐结果的影响。实验结果表明，通过引入查询意图，可以显著提高查询推荐结果的相关性。\n 针对语义稀疏的话题模型，我们着眼于解决文档话题的有效稀疏性和话题的清晰可解释性之间的矛盾。我们提出了Group Sparse Topical Coding(GSTC)，一种新型的非概率化的建模文本稀疏隐语义的话题模型。该模型综合了概率话题模型和非概率话题模型的各自优点，通过放松概率话题模型对文本话题的一致的概率性约束，GSTC能够直接控制文档的稀疏语义表示，并且能够通过高效的算法求解。同时，GSTC可以通过学得的文档单词编码和文档话题字典推导出文档的稀疏语义话题表示。在标准数据集合上的试验表明，我们的方法可以有效的发现文档的稀疏话题，并且相对于传统的话题模型，GSTC能够改进文档分类精度和学习速度。\n 此外，文档之间还存在着稀疏的关系。原有的话题模型在发掘文档中的有效语义特征的时候，并不考虑文档之间的分布关系，很多研究表明文档更有可能是分布在高维空间中的一个低维流形上。在流形上，由于文档仅在局部范围内可以保持欧式空间的特征，这种局部性导致了文档之间关系的稀疏。基于此认识，我们提出了一种双空间矩阵分解模型:在话题空间上的分解，我们可以获取文档的语义表达;而在文档空间上的分解，通过使用稀疏性约束，我们可以一步的获得在局部空间上文档之间的相互关系。将文档在两个空间上的表示加以匹配，不仅可获得具有局部文档关系信息的文档隐语义表示，而且能够克服传统带流形约束的话题模型启发式的计算文档相似度和数据分布不平衡造成的损失。试验结果，验证了我们所提方法的有效性。\n 我们的研究表明，文本数据的稀疏属性影响了话题的学习，考虑稀疏性质的文档语义模型可以提升话题学习的有效性，并取得较好的应用效果。

关键词：文本挖掘数据稀疏性话题模型稀疏编码文本分类矩阵分解

来源：评论

学校读者我要写书评

暂无评论

相似产品集在电子商务中的应用

相似产品集在电子商务中的应用

引用

作者：李瑞冬电子科技大学

学位级别：硕士

伴随着互联网的飞速发展，我们进入了一个信息海洋的时代。互联网上的信息以指数阶的速度增长，那么如何让在如此多的数据中提炼出用户感兴趣的数据成为了一个很有研究意义的问题。在目前的电子商务系统中，由于商品数量和用户数量都非... 详细信息

伴随着互联网的飞速发展，我们进入了一个信息海洋的时代。互联网上的信息以指数阶的速度增长，那么如何让在如此多的数据中提炼出用户感兴趣的数据成为了一个很有研究意义的问题。在目前的电子商务系统中，由于商品数量和用户数量都非常巨大，如何把商品推荐给合适的用户，如何挖掘用户的潜在购买需求，增加网站的流量和营业额，这些问题通过个性化推荐系统都能得到良好的解决，个性化推荐系统是用户和信息之间的纽带。然而，在分析了当前电子商务系统中推荐模型所遇到的主要问题之后，发现电子商务在拥有海量的对象（商品和用户）的同时，用户行为数据却过于稀疏。由此主要造成了两个问题：一、推荐算法和推荐模型的可用性无法得到保障;二、出现了马太效应，导致了受益群体过于集中。本文正是针对上述在电子商务中出现的问题基于文本挖掘和产品知识库，提出了一种商品聚类算法，即相似产品集算法。该算法运用文本挖掘和行为定向技术聚合相似产品。通过对全部产品的分析，构建介于产品和叶子类目之间的相似集合层。该相似集合层的粒度能根据业务需求做灵活的调整。在解决用户行为数据稀疏的同时，该算法还能为比价分析、价格指导以及重复产品的诊断提供一些实现方案。本文的主要内容有： 1)分析了当前电子商务环境下推荐系统所面临的用户行为数据稀疏的问题以及现阶段的一些解决方案。 2)针对以上问题提出了基于文本挖掘的相似产品集算法，该算法基于文本挖掘，通过对描述商品的词进行了若干处理之后（如单复数转换，去掉脏词等），利用频繁挖掘算法如Apriori，FP-Growth等算法进行相似产品的划分，聚合相似的产品，该算法能在一定程度上缓解用户行为数据的稀疏性。 3)对提出的相似产品集算法进行分析和实验，得出实验数据。 4)针对比价分析，发布商品价格指导，和诊断重复商品的发布和分析商品的热门程度等问题，利用相似产品集算法给出了若干可行的方案，并通过实验得出结论。

关键词：数据稀疏性相似产品文本挖掘

来源：评论

学校读者我要写书评

暂无评论

协同过滤推荐系统的用户兴趣变化和稀疏性问题研究

协同过滤推荐系统的用户兴趣变化和稀疏性问题研究

引用

作者：赖雯华南理工大学

学位级别：硕士

互联网与人们的生活联系越来越紧密，网络中的数据呈现指数态势增长，系统无法准确快速地处理数据，从而导致了信息过载问题。为了解决信息过载问题，研究者提出了个性化推荐技术。个性化推荐技术能够捕捉用户兴趣，并主动向用户推荐信... 详细信息

互联网与人们的生活联系越来越紧密，网络中的数据呈现指数态势增长，系统无法准确快速地处理数据，从而导致了信息过载问题。为了解决信息过载问题，研究者提出了个性化推荐技术。个性化推荐技术能够捕捉用户兴趣，并主动向用户推荐信息或商品。在众多的个性化推荐算法中，协同过滤算法由于其简单性、稳定性等优点，成为应用最广泛的个性化推荐算法之一。但是，协同过滤算法主要存在两个问题：1）用户兴趣变化问题，由于传统的算法不考虑时间因素，认为不同时间的数据具有一样的权重，无法体现用户兴趣的动态变化；2）数据稀疏性问题，由于评分矩阵极端稀疏，导致邻居查找不准确，推荐准确度降低。为了解决上述两个问题，本文在前人的研究基础上，提出了基于时间和项目属性的混合协同过滤算法。为了解决用户兴趣变化问题，算法设计了随着时间递减的指数函数作为时间权重函数，而且对于不同的用户和项目，权重系数取值也不一样。此外，提出了时间相似度的概念，通过其他用户的行为来预测用户的兴趣变化。同时，采用了滑动时间窗口模型进行信息过滤，减少计算量，降低算法的时间复杂度。最后，为了解决稀疏性和冷启动问题，算法将协同过滤算法与基于内容的算法结合，采用基于项目属性聚类的K-Means算法进行评分预测。最后，本文使用MATLAB工具实现了基于时间和项目属性的混合协同过滤算法，并且在Movielens数据集上设计三组实验方案来测试算法的性能。实验结果证明，基于时间和项目属性的混合协同过滤算法相比传统的算法，具有更高的推荐精确度，而且能够有效地解决稀疏性和冷启动问题。

关键词：推荐系统协同过滤用户兴趣变化数据稀疏性项目聚类

来源：评论

学校读者我要写书评

暂无评论

基于小世界隐式信任网络的自适应推荐算法

基于小世界隐式信任网络的自适应推荐算法

引用

作者：王欢燕山大学

学位级别：硕士

随着信息技术的迅猛发展，网络上可利用的信息资源越来越多，要从海量的信息中获取用户所需要的信息也变得越来越困难。为了更好地解决网络中的信息过载问题，推荐系统应运而生。推荐系统规模的不断扩大使得用户和产品的数量急剧增加，... 详细信息

随着信息技术的迅猛发展，网络上可利用的信息资源越来越多，要从海量的信息中获取用户所需要的信息也变得越来越困难。为了更好地解决网络中的信息过载问题，推荐系统应运而生。推荐系统规模的不断扩大使得用户和产品的数量急剧增加，然而用户对产品的评分数目却极其有限，从而使得推荐系统面临严峻的稀疏性问题，导致推荐质量大幅度降低。本文在综合分析目前国内外研究现状的基础上，借助信任网络的小世界特性，针对如何解决推荐系统中的稀疏性问题进行了深入地研究。首先，提出一种基于聚类技术的小世界隐式信任网络构造算法。通过聚类技术将评分相似的用户聚集起来，形成若干个用户群组，在每个群组内部，借助用户间的隐式信任关系在用户间建立连接，从而满足小世界网络较高聚集度这一结构特性；然后通过关联群组间的择优加边来缩短整个网络的特征路径长度，进而构造出符合小世界结构特性的隐式信任网络。其次，依据构造出的小世界隐式信任网络的拓扑结构，提出了一种自适应推荐算法。该算法首先确定目标用户所在的群组，然后依据目标用户所在群组中相似邻居个数的不同，采取自适应的推荐策略；并借助构造网络的拓扑结构在目标用户所在的群组内部，以及相关联的群组间搜索最近邻居，使得在提高邻居用户选取准确性的同时，进一步拓宽了邻居用户的搜索范围，从而有效地克服了数据的稀疏性问题。最后，在不同稀疏度的数据集上，将本文提出的自适应推荐算法和现有的推荐算法进行了实验对比与分析。

关键词：数据稀疏性用户聚类隐式信任小世界网络自适应推荐算法

来源：评论

学校读者我要写书评

暂无评论

协同过滤算法在移动电子商务推荐系统中的应用研究

协同过滤算法在移动电子商务推荐系统中的应用研究

引用

作者：杨波厦门大学

学位级别：硕士

协同过滤算法是电子商务推荐系统中应用最为成功的推荐算法，很多电子商务企业都采用协同过滤算法作为企业推荐系统的核心算法。推荐技术可以有效解决信息过载问题，增加网站的粘度和交叉销售能力。随着移动互联网的发展，移动电子商务... 详细信息

协同过滤算法是电子商务推荐系统中应用最为成功的推荐算法，很多电子商务企业都采用协同过滤算法作为企业推荐系统的核心算法。推荐技术可以有效解决信息过载问题，增加网站的粘度和交叉销售能力。随着移动互联网的发展，移动电子商务也在逐步兴起，并逐渐占据了大量的市场份额，推荐系统也是必不可少的。与传统电子商务相比，移动电子商务具有移动性，可接受性，安全性，定位性等特点。因此将协同过滤算法应用到移动电子商务推荐系统中时，必须做相应的改进才能适用移动电子商务的特殊环境。\n 本文对电子商务个性化推荐系统进行了深入研究，认真分析了协同过滤推荐算法本身存在的数据稀疏性问题和冷启动问题。通过Slope One算法降低了数据的稀疏性，提高了推荐系统的执行效率，使推荐系统具有较好的推荐质量。冷启动问题可以通过用户的注册信息进行特征分类，根据不同的用户特征对用户进行推荐。\n 针对移动电子商务领域的特殊性，本文在协同过滤算法中引入了定位技术和时间信息。通过定位技术，移动电子商务在用户的交互过程中能达到很高的个性化程度，从而满足用户对服务的差异化需求。遗忘函数的应用则进一步提高了用户兴趣迁移中的预测精度，可以推荐给用户当前最感兴趣的项目。本文最后通过实验验证了这种改进思路的可行性，证明这种改进算法的确更适合在移动电子商务平台上运用。

关键词：移动电子商务协同过滤个性化推荐数据稀疏性冷启动遗忘函数

来源：评论

学校读者我要写书评

暂无评论

推荐系统中一种改进的协同过滤推荐算法的研究

推荐系统中一种改进的协同过滤推荐算法的研究

引用

作者：方卫华西安电子科技大学

学位级别：硕士

伴随互联网信息资源规模的迅猛增长，用户要在海量信息空间中获得符合自己需求的信息也越发困难。推荐系统作为一种智能个性化信息服务系统，为用户推荐用户感兴趣的信息资源。推荐算法是推荐系统的核心，近些年来，协同过滤技术作为迄... 详细信息

伴随互联网信息资源规模的迅猛增长，用户要在海量信息空间中获得符合自己需求的信息也越发困难。推荐系统作为一种智能个性化信息服务系统，为用户推荐用户感兴趣的信息资源。推荐算法是推荐系统的核心，近些年来，协同过滤技术作为迄今为止应用最成功的推荐技术之一，得到了研究者广泛的关注。然而，传统的协同过滤算法存在许多的问题，其中数据稀疏性问题直接影响推荐系统的推荐结果的好坏。本论文对推荐系统做了深入了解与研究，认真学习了广泛使用的协同过滤推荐算法。为了解决传统的协同过滤推荐算法的数据稀疏性问题，本文在对矩阵分解技术进行有益的探索和研究的基础上，提出了一种基于非负矩阵分解的改进的协同过滤推荐算法，并且通过模拟数据和真实数据对改进后的算法进行了性能验证。最后，本文在模拟数据集上和真实数据集上对改进后的算法进行测试，从推荐的平均绝对误差、推荐精确率和推荐召回率三个方面验证了本文所提算法的有效性，并且与传统的基于用户的协同过滤推荐算法进行对比，实验证明了本文所提算法可以有效解决数据稀疏性问题从而提高算法的推荐效果。

关键词：推荐系统数据稀疏性非负矩阵分解协同过滤推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于评论和评分的个性化推荐算法研究

基于评论和评分的个性化推荐算法研究

引用

作者：许景楠浙江大学

学位级别：硕士

作为最成功的推荐技术,传统协同过滤算法的核心是从用户对产品的评分中计算用户相似度或者产品相似度,进而基于相似用户或者相似产品的评分预测目标用户可能的评分并产生推荐。但是在实际应用中,存在着数据稀疏性的问题,即大多数用户只... 详细信息

作为最成功的推荐技术,传统协同过滤算法的核心是从用户对产品的评分中计算用户相似度或者产品相似度,进而基于相似用户或者相似产品的评分预测目标用户可能的评分并产生推荐。但是在实际应用中,存在着数据稀疏性的问题,即大多数用户只给出少量的评分。在这种情况下,传统的基于评分的协同过滤算法并不能产生令人满意的推荐效果。为此,本文提出了一个新的基于主题模型的协同过滤推荐系统和两个推荐算法,分别是基于主题模型和用户的协同过滤算法以及基于主题模型和产品的协同过滤算法。基于主题模型的方法,首先对用户评论进行处理,计算评论的主题概率分布,表示用户对产品不同特征的偏好。其次在基于主题模型和用户的协同过滤算法中,综合了每个用户给出的所有评论的主题概率分布,计算用户最重视特征,表示用户最重视的产品特征。基于用户最重视特征,计算用户相似度。然后,根据相似用户的评分预测目标用户可能的评分。在基于主题模型和产品的协同过滤算法中,也综合了每个产品得到的所有评论的主题概率分布,计算产品最重视特征,表示产品最受用户重视的特征。进而基于产品最重视特征,可以计算产品相似度。最后,根据目标用户对相似产品的评分预测评分。在亚马逊六个真实数据集上的实验结果表明,当大多数用户只给出一个评论和一个评分时,本文的算法比其他传统的协同过滤算法,其他解决数据稀疏性问题的算法和最新的基于主题模型的推荐算法都能取得更好的推荐效果。

关键词：协同过滤推荐算法主题模型数据稀疏性

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：