检索结果-内蒙古大学图书馆

北京邮电大学学报 2016年第1期39卷 29-34页

作者：杨恒宇李慧宗林耀进张佳合肥工业大学计算机与信息学院合肥232009 安徽理工大学经济与管理学院安徽淮南232001 闽南师范大学计算机学院福建漳州363000

数据稀疏性制约着协同过滤的推荐性能,为此,首先根据用户评分数量定义了用户的影响因子,在计算用户之间的相似性时,增加了影响因子衡量用户关系;其次,根据用户评分质量定义了有影响力用户群体.在此基础上,结合用户的评分数量和评分质量... 详细信息

数据稀疏性制约着协同过滤的推荐性能,为此,首先根据用户评分数量定义了用户的影响因子,在计算用户之间的相似性时,增加了影响因子衡量用户关系;其次,根据用户评分质量定义了有影响力用户群体.在此基础上,结合用户的评分数量和评分质量,使选择的有影响力近邻最大程度上作用于推荐过程.实验结果表明,所提方法能显著提高推荐性能.

关键词：协同过滤有影响力近邻评分数量评分质量数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

基于标签和因子分析的协同推荐方法

引用

北京邮电大学学报 2015年第3期38卷 34-38页

作者：蔡国永吕瑞樊永显桂林电子科技大学广西可信软件重点实验室桂林541004

根据在线社区中群体的历史行为进行物品(或信息)推荐是当前研究热点之一,传统推荐算法都面临数据稀疏性问题的挑战.针对传统推荐算法知识表示的局限性进行了研究,提出了一种基于标签系统的用户行为知识表示法,把用户在物品上历史行为的... 详细信息

根据在线社区中群体的历史行为进行物品(或信息)推荐是当前研究热点之一,传统推荐算法都面临数据稀疏性问题的挑战.针对传统推荐算法知识表示的局限性进行了研究,提出了一种基于标签系统的用户行为知识表示法,把用户在物品上历史行为的统计,转化为对用户在物品标签上的统计,从而缓解数据稀疏的情况.为了降低标签维度过高导致的计算复杂性问题,提出了采用因子分析法,抽取出潜在重要且稳定的特征因子向量来最终表示用户的历史行为,并据此度量用户行为在特征因子向量上的相似性.最后采用协同过滤的思想给出了一种新的协同推荐方法.通过在真实数据集上的大量对比实验,表明该方法在处理具有稀疏性的数据集时,总是能保持更高且更稳定的推荐准确率.

关键词：推荐系统数据稀疏性标签系统因子分析评分预测

来源：评论

学校读者我要写书评

暂无评论

融合社交网络信息的协同过滤推荐算法

引用

模式识别与人工智能 2016年第3期29卷 281-288页

作者：郭兰杰梁吉业赵兴旺山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

在推荐系统中,协同过滤推荐算法往往面临数据集的高度稀疏性和推荐精度有限的问题.为了解决上述问题,在基于物品的协同过滤推荐框架下,分别在物品相似度的计算和用户对物品的评分预测阶段,利用社交网络中朋友关系信息选择性地填充评分... 详细信息

在推荐系统中,协同过滤推荐算法往往面临数据集的高度稀疏性和推荐精度有限的问题.为了解决上述问题,在基于物品的协同过滤推荐框架下,分别在物品相似度的计算和用户对物品的评分预测阶段,利用社交网络中朋友关系信息选择性地填充评分矩阵中的缺失值,最大化利用评分矩阵中的已有信息,提出融合社交网络信息的协同过滤推荐算法.最后,在Epinions数据集上的实验表明,文中算法在一定程度上缓解数据稀疏性问题,同时在评分误差和分类准确率两个指标上优于其它协同过滤算法.

关键词：协同过滤社交网络缺失值填充数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

融合评论文本层级注意力和外积的推荐方法

引用

计算机科学与探索 2020年第6期14卷 947-957页

作者：邢长征赵宏宝张全贵郭亚兰辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105

在协同过滤算法中,基于评分数据的矩阵分解方法得到广泛应用和发展,但评分数据稀疏性问题影响了该方法的推荐质量。针对此问题,提出一种联合评论文本层级注意力和外积的推荐方法(RHAOR)。采用两个并行网络,分别处理用户评论集和物品评... 详细信息

在协同过滤算法中,基于评分数据的矩阵分解方法得到广泛应用和发展,但评分数据稀疏性问题影响了该方法的推荐质量。针对此问题,提出一种联合评论文本层级注意力和外积的推荐方法(RHAOR)。采用两个并行网络,分别处理用户评论集和物品评论集。对评论文本的内容应用主题级注意力机制,标记多组带有主题信息的单词(或短语),对评论集应用评论级注意力机制,标记有效的评论。采用外积为用户偏好和物品特征建立外积交互矩阵,并对此矩阵采用多层卷积神经网络提取外积交互特征。将外积交互特征引入改进的潜在因子模型(LFM)中,进行评分预测。实验结果表明,在Amazon和Yelp数据集上,提出的方法在均方根误差(RMSE)上优于传统基于评分和评论的方法。

关键词：协同过滤数据稀疏性评论文本注意力机制外积

来源：评论

学校读者我要写书评

暂无评论

一种内容和地点感知的个性化POI推荐模型

引用

深圳大学学报（理工版） 2022年第6期39卷 693-700页

作者：梁弼刘笃晋熊伦许晓红四川文理学院智能制造学院四川达州635000 北京邮电大学计算机学院北京100876

针对兴趣点(point of interest,POI)推荐中用户-POI交互矩阵数据稀疏问题,当前研究仅通过探索地理位置、内容信息及社会关系等上下文因素来缓解该问题,缺乏对这些上下文因素共同作用情况的综合分析及利用.为此,采用概率生成的方法提出... 详细信息

针对兴趣点(point of interest,POI)推荐中用户-POI交互矩阵数据稀疏问题,当前研究仅通过探索地理位置、内容信息及社会关系等上下文因素来缓解该问题,缺乏对这些上下文因素共同作用情况的综合分析及利用.为此,采用概率生成的方法提出一种内容和地点感知的主题模型(content-location-aware topic model,CLATM),用以模拟用户在决策过程中的签到行为.该模型由内容主题建模和地点主题建模两个核心模块构成,用户签到内容依赖内容主题和地点主题,内容主题和地点主题在一定程度上共同决定用户签到地点,地理位置依赖于地点主题并服从高斯分布.该模型不仅恰当地整合了内容、地点和地理位置等重要的上下文因素,且充分利用这些因素之间的潜在关系有效缓解了数据稀疏性.在Foursquare和Yelp两个真实的位置社交网络数据集上对CLATM进行性能评测,实验结果表明,该模型在召回率(recall)和归一化折损累计增益(normalized discounted cumulative gain,NDCG)指标上均优于基准,recall@20和NDCG@20最大分别提高约141.09%和94.44%.综合使用上下文因素的共同作用能有效提升POI推荐性能.

关键词：人工智能兴趣点推荐数据稀疏性内容主题地点主题上下文因素潜在关系概率生成模型位置社交网络

来源：评论

学校读者我要写书评

暂无评论

基于时长感知的短视频序列推荐

引用

计算机工程与应用 2024年第22期60卷 304-313页

作者：王航尹玲史志才黄勃高志荣上海工程技术大学电子电气工程学院上海201620 中南民族大学计算机科学学院武汉430074

针对短视频序列推荐中存在的点击数据稀疏性、观看时长反馈中的噪声以及偏差问题,提出了一种基于时长感知的短视频序列推荐模型(duration-aware for short video sequential recommendation,DASR)。该模型通过对用户观看时长反馈的深入... 详细信息

针对短视频序列推荐中存在的点击数据稀疏性、观看时长反馈中的噪声以及偏差问题,提出了一种基于时长感知的短视频序列推荐模型(duration-aware for short video sequential recommendation,DASR)。该模型通过对用户观看时长反馈的深入建模,有效地缓解了数据稀疏性问题。提出了一种无偏差的多语义观看时长反馈标签生成方法。该方法结合了K近邻算法和训练数据的百分位数分析,动态生成适应不同视频时长的标签阈值,有效地消除了视频时长偏差的影响。提出了一种基于强弱注意力网络的噪声提取方法,从观看时长中准确地提取正向和负向兴趣信号,从而解决了观看时长反馈中存在的噪声。在开源的短视频数据集上进行了广泛实验,结果表明该模型在多个评价指标上优于其他主流方法。

关键词：数据稀疏性序列推荐注意力网络时长偏差动态阈值

来源：评论

学校读者我要写书评

暂无评论

一种基于离散增量的项目相似性度量方法

引用

数据分析与知识发现 2018年第5期2卷 70-76页

作者：王永王永东郭慧芳周玉敏重庆邮电大学电子商务与现代物流重点实验室重庆400065

【目的】缓解典型的项目相似性度量方法必须使用共同评分、在高度稀疏数据环境中预测精度较低等问题。【方法】引入生物信息科学领域的离散增量,将其构造为相异系数,利用项目评分值的频数及其分布计算项目相似度,克服依赖于共同评分的... 详细信息

【目的】缓解典型的项目相似性度量方法必须使用共同评分、在高度稀疏数据环境中预测精度较低等问题。【方法】引入生物信息科学领域的离散增量,将其构造为相异系数,利用项目评分值的频数及其分布计算项目相似度,克服依赖于共同评分的局限性,改善数据稀疏性的问题;同时结合项目属性信息,提高度量结果的合理性与准确性。【结果】相比于其他典型算法,本文算法的RMSE降低了2.56%,F1值提高了3.88%。【局限】推荐多样性可能不足。【结论】本文算法对于冷启动问题亦有更好的表现,因此,具有良好的应用潜力。

关键词：离散增量相似性度量数据稀疏性协同过滤冷启动

来源：评论

学校读者我要写书评

暂无评论

基于用户聚类的二分图网络协同推荐算法

引用

沈阳工业大学学报 2018年第3期40卷 316-321页

作者：郑怀宇福建中医药大学现代教育技术中心福州350122

针对协同过滤推荐系统应用中存在的数据稀疏、可扩展性受限等问题,提出了一种基于用户聚类的二分图网络协同推荐算法.该算法在用户聚类阶段对二分图网络进行用户中心聚类,并获取用户聚类中心及其所在的群组,基于用户群组的评价信息为目... 详细信息

针对协同过滤推荐系统应用中存在的数据稀疏、可扩展性受限等问题,提出了一种基于用户聚类的二分图网络协同推荐算法.该算法在用户聚类阶段对二分图网络进行用户中心聚类,并获取用户聚类中心及其所在的群组,基于用户群组的评价信息为目标用户提供更广泛的推荐数据;在协同推荐阶段,围绕聚类中心及其所在群组为未评分项目完成预测评分,为用户推荐综合评分最高的Top-n项目.结果表明,该算法能够提升目标用户推荐的准确度,并能改善协同推荐的多样性.

关键词：协同推荐内容推荐二分图网络聚类推荐系统数据稀疏性准确性多样性

来源：评论

学校读者我要写书评

暂无评论

结合自监督学习的图神经网络会话推荐

引用

计算机工程与应用 2023年第3期59卷 244-252页

作者：王永贵赵晓暄辽宁工程技术大学电子与信息工程学院辽宁葫芦岛125105

基于会话的推荐方法由于短期用户交互数据有限,与传统推荐方法相比,其性能更容易受到数据稀疏性问题的影响。为增强会话数据以缓解数据稀疏对会话推荐性能的影响,提出一种结合自监督学习的图神经网络会话推荐(Ss-GNN)模型。构建会话图... 详细信息

基于会话的推荐方法由于短期用户交互数据有限,与传统推荐方法相比,其性能更容易受到数据稀疏性问题的影响。为增强会话数据以缓解数据稀疏对会话推荐性能的影响,提出一种结合自监督学习的图神经网络会话推荐(Ss-GNN)模型。构建会话图并建立基于图注意力网络的会话推荐任务来获取项目级表示和会话级表示;从会话级表示的角度出发,利用用户的一般兴趣和当前兴趣来构建辅助任务获取自监督信号;利用自监督学习实现推荐任务和辅助任务之间的互信息最大化,以增强会话数据,从而提升推荐性能。在Yoochoose和Tmall两个公开数据集上进行实验,与基线模型相比,提出的模型在Yoochoose上P@20和MRR@20至少提升了0.94%和0.79%,在Tmall上P@20和MRR@20至少提升了9.61%和4.67%,证明了Ss-GNN模型的有效性。

关键词：会话推荐自监督学习数据稀疏性图神经网络

来源：评论

学校读者我要写书评

暂无评论

结合矩阵补全的宽度协同过滤推荐算法

引用

智能系统学报 2024年第2期19卷 299-306页

作者：史加荣何攀西安建筑科技大学理学院陕西西安710055

协同过滤是推荐系统中最经典的方法之一,能够满足人们对个性化推荐任务的需求,但许多协同过滤算法在面对评分数据稀疏性问题时推荐效果不佳。为解决此问题,提出一种结合矩阵补全的宽度协同过滤推荐算法。先使用矩阵补全技术对用户项目... 详细信息

协同过滤是推荐系统中最经典的方法之一,能够满足人们对个性化推荐任务的需求,但许多协同过滤算法在面对评分数据稀疏性问题时推荐效果不佳。为解决此问题,提出一种结合矩阵补全的宽度协同过滤推荐算法。先使用矩阵补全技术对用户项目评分矩阵进行补全,再利用补全后的矩阵对已评分的用户和项目分别寻找其近邻项,进而构造用户与项目的评分协同向量,最后使用宽度学习系统来构建用户项目与评分之间的复杂的非线性关系。在MovieLens和filmtrust数据集上对所提出算法的有效性进行检验。试验结果表明,与当前最先进的方法相比,该方法能够有效地缓解数据稀疏性问题,具有较低的计算复杂度,在一定程度上提升了推荐系统的性能。

关键词：推荐系统宽度学习系统矩阵补全宽度协同过滤协同过滤深度矩阵分解数据稀疏性深度学习

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：