检索结果-内蒙古大学图书馆

小型微型计算机系统 2010年第10期31卷 1974-1978页

作者：张少中高飞浙江万里学院电子信息学院浙江宁波315100

小世界网络在聚类应用中具有良好的性质,贝叶斯网络在概率推理中也得到了广泛的研究.将小世界网络和贝叶斯网络结合起来,形成了一种混合推荐模型.该混合模型由两层组成,分别是用户层和商品层.其中小世界网络用于描述用户层内用户-用户... 详细信息

小世界网络在聚类应用中具有良好的性质,贝叶斯网络在概率推理中也得到了广泛的研究.将小世界网络和贝叶斯网络结合起来,形成了一种混合推荐模型.该混合模型由两层组成,分别是用户层和商品层.其中小世界网络用于描述用户层内用户-用户结点间的关系,贝叶斯网络用于描述商品层内商品-商品结点,以及层间用户-商品结点间的偏好关系.对小世界网络的用户聚类方法、贝叶斯网络结构和参数学习方法、以及两层混合模型的推荐算法进行了描述,实验表明,该模型能够很好地表示用户-用户、商品-商品、以及用户-商品间的关系,推荐结果具有良好的准确度.

关键词：小世界网络贝叶斯网络混合推荐模型

来源：评论

学校读者我要写书评

暂无评论

基于图卷积网络与胶囊网络的混合推荐模型

基于图卷积网络与胶囊网络的混合推荐模型

引用

作者：郑晖河北大学

学位级别：硕士

推荐系统是解决信息过载问题的重要手段,然而,传统的协同过滤方法只根据用户-物品的交互行为做推荐,也就是用户与物品之间的显示关联,而忽略了用户与物品本身的特性。推荐系统中除了用户与物品的关联信息可以发现用户的显式兴趣特征,那... 详细信息

推荐系统是解决信息过载问题的重要手段,然而,传统的协同过滤方法只根据用户-物品的交互行为做推荐,也就是用户与物品之间的显示关联,而忽略了用户与物品本身的特性。推荐系统中除了用户与物品的关联信息可以发现用户的显式兴趣特征,那些包含了大量的语义信息的用户以及物品的描述信息也可以展示用户的隐式兴趣特征。近些年,随着深度神经网络的发展,对各种数据的处理有了长足的进步,给基于多模态数据的混合推荐提供了有效的工具。图是一种非常强大且复杂的工具,计算机所处理的绝大部分数据都可以抽象为图结构。在推荐系统中用户-物品的关联也可以用这种结构来描述。传统的基于这种二维平面结构数据进行的用户兴趣挖掘,很难发现用户多样的、潜在的兴趣,同时也很难解释推荐的合理性以及推荐的目的和理由。然而,基于图结构数据的用户兴趣挖掘与推荐方法能够推断出图中的各种隐藏知识与关联关系,可以很自然的解决上述问题。本文将空域图卷积神经网络与胶囊网络相结合,实现了基于图卷积网络与胶囊网络的混合推荐模型。该模型充分利用空域图卷积神经网络对图邻域结构聚合特性,对用户/物品结点及其邻域结点(即:图结构的拓扑结构)进行卷积操作,有效的聚合了结点的K阶邻域结构信息,同时利用用户对物品的评分信息,以及用户与物品的辅助信息(Side Information)挖掘用户的潜在的兴趣点,并使用LSTM自编码器模型将用户的局部兴趣传播路径聚合为该用户的Embedding向量,完成用户兴趣的初步抽象特征提取。然而,LSTM编码器生成的固定长度的Embedding向量很难表征用户的多兴趣特征,而且,使用一维的特征向量很难表征用户的兴趣的多维性等特征。因此,本文利用胶囊网络可以提取部件在全局信息中的多种特征的能力解决此问题。首先,根据用户-物品的访问信息,将用户的Embedding兴趣向量与物品的Embedding内容向量相结合,组合为一个兴趣点;然后,将用户抽样兴趣路径上的所有兴趣点按访问时间顺序排列,组合为初始胶囊,并输入胶囊网络进行用户多兴趣发现,最终形成用户的二维兴趣矩阵(每一行代表一类兴趣)。为了完成最终的用户-物品权重预测,本文将用户的多兴趣特征矩阵与物品多主题特征矩阵相乘,相乘后的矩阵表示用户对此物品的兴趣图,将用户的所有兴趣图组合为用户的兴趣立方体,并使用空间注意力机制完成用户主要兴趣的筛选。最后,利用用户兴趣立方体完成用户-物品边权重的预测工作。本文提出的混合模型可以有效的结合交互关联与内容相似度对推荐进行解释。同时,在这种复杂的超图结构中利用结点属性和连接关系完成基于兴趣路径的推理与聚合,不仅可以提高推荐效率同时可以增加用户的信任度和满意度。本文完成的工作如下:(1)根据用户物品的访问信息,构造用户-物品带权有向二部图,结合结点本身的内容信息、结点之间的访问信息计算用户访问物品的权重(边权重),设计各种结点特征的表示方式;(2)融合路径推理与局部兴趣传播,并利用图卷积与LSTM完成结点特征聚合,实现可解释的推荐任务;(3)利用Attention机制与胶囊网络实现了用户兴趣的多样性与多模态数据的特征相融合;(4)利用用户结点与物品结点的特征向量,设计了可以反映用户多兴趣的二维平面兴趣表示。(5)最终提出了基于图卷积网络与胶囊网络的混合推荐模型。在来自真实系统数据集上的实验结果表明,所提出的方法可以对推荐可解释性问题起到缓解作用,并且对推荐系统性能有着一定的提升作用。

关键词： LSTM自编码器图卷积网络胶囊网络混合推荐模型注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于隐语义模型的混合推荐模型研究

基于隐语义模型的混合推荐模型研究

引用

作者：陈博文兰州大学

学位级别：硕士

目的——在推荐系统的研究中,提升预测准确度、降低数据稀疏性的问题,一直都是该领域内的研究热点。隐语义推荐模型中的迭代寻优和矩阵分解降低了数据的稀疏性。其在迭代寻优过程中的随机梯度下降法在进行迭代寻取最优解时,相对于批量... 详细信息

目的——在推荐系统的研究中,提升预测准确度、降低数据稀疏性的问题,一直都是该领域内的研究热点。隐语义推荐模型中的迭代寻优和矩阵分解降低了数据的稀疏性。其在迭代寻优过程中的随机梯度下降法在进行迭代寻取最优解时,相对于批量梯度下降法在效率方面有显著的提升。但在面对大数据量时,随机梯度下降法的噪声分析和收敛性比小样本梯度下降法差。在对比随机梯度下降法和小样本梯度下降法后,提出在隐语义模型中使用小样本梯度下降法代替随机梯度下降法。在提升预测准确度上,混合推荐模型的预测准确度普遍优于单个推荐模型的预测准确度。提出将基于邻域的推荐模型和使用小样本梯度下降法的隐语义模型进行混合,混合后的模型为KLFM混合推荐模型。混合方法为三种基于线性权重分配的融合策略:等权重融合法、有效权重融合法、鸟类觅食算法与权重寻优相结合的PSO寻优权重融合法。方法——在噪声分析和收敛性上,将传统隐语义推荐模型中的随机梯度下降法与小样本梯度下降法进行比对。为提升预测准确度,本文提出等权重融合法、有效权重融合法、PSO寻优权重融合法。用以上三种融合策略将使用小样本梯度下降法的隐语义模型和基于邻域的推荐算法进行混合,并通过其与单一推荐模型在MAE、MAPE、RSME三种预测准确度评价指标上进行比对实验,从而来衡量混合推荐模型KLFM的预测准确度。研究结果——在大数据量情况下,小样本梯度下降法相比于随机梯度下降法在噪声分析图中震荡性较低,迭代过程相对稳定,且易于判定其是否收敛。根据实验数据可以分析出:混合推荐模型KLFM在MAE、MAPE、RSME三种预测准确度评价指标上均优于单一推荐模型。在三种基于线性权重组合方式的融合策略中,使用PSO寻优权重融合法的KLFM混合推荐模型在MAE、MAPE、RSME三种指标上优于使用等权重融合法的KLFM混合推荐模型和使用有效权重融合法的KLFM混合推荐模型。研究的局限性——在进行模型混合时,选取的推荐模型较少;融合策略上也可以有更多选择;可以选取更多的评价指标,对混合推荐模型进行多角度、全方位的评测。实际影响——在大数据量下,小样本梯度下降法在迭代准确性和收敛性上优于随机梯度下降法;在关于KLFM混合推荐模型的研究中,KLFM混合推荐模型的效果优于单一推荐模型;在比对实验中,PSO寻优权重融合法在混合KLFM混合推荐模型时,在MAE、MAPE、RSME三种预测准确度评价指标上表现最佳,对KLFM混合推荐模型的混合效果最优。独创性——提出基于隐语义模型在大数据量的环境下迭代寻优的优化——在隐语义模型内,使用小样本梯度下降法替代随机梯度下降法。并在使用小样本梯度下降法的隐语义模型的基础上,使用三种线性的权重融合策略:等权重融合法、有效权重融合法、鸟类觅食算法与权重寻优相结合的PSO寻优权重融合法,将基于邻域的推荐算法与使用小样本梯度下降法的隐语义模型混合为KLFM混合模型。

关键词：推荐搜索混合推荐模型隐语义模型小样本梯度下降法鸟类觅食算法

来源：评论

学校读者我要写书评

暂无评论

基于最小二乘法的混合推荐模型研究

引用

现代电子技术 2022年第17期45卷 123-128页

作者：钟志峰周冬平张艳夏一帆湖北大学计算机与信息工程学院湖北武汉430062

针对单一推荐模型在电影推荐过程中无法同时利用推荐系统中的隐式信息和显式信息所导致的推荐不准确以及冷启动等问题,提出了一种基于最小二乘法的混合推荐模型。该模型首先通过基于内容的推荐算法和协同过滤推荐算法分别进行单一模型... 详细信息

针对单一推荐模型在电影推荐过程中无法同时利用推荐系统中的隐式信息和显式信息所导致的推荐不准确以及冷启动等问题,提出了一种基于最小二乘法的混合推荐模型。该模型首先通过基于内容的推荐算法和协同过滤推荐算法分别进行单一模型的推荐,然后对单一推荐模型所产生的推荐结果动态地调整权重进行数据拟合,再将所产生的拟合数据进行最小二乘运算,减小整体预测误差,从而得到最终的推荐结果。最后使用MovieLens 100k和MovieLens 1M这两种公开的电影数据集对该模型进行验证并与其他几种模型进行比较。实验结果表明,所提出的基于最小二乘法的混合推荐模型在精确率、召回率和F值等评价指标上都优于目前几种传统的推荐模型,所造成的预测误差相较于目前几种传统推荐模型也更小。

关键词：混合推荐模型协同过滤推荐冷启动最小二乘法相对误差预测误差推荐算法数据拟合

来源：评论

学校读者我要写书评

暂无评论

基于DE蝙蝠算法的混合推荐模型设计

引用

计算机与数字工程 2022年第7期50卷 1439-1443页

作者：何昌隆文斌成都信息工程大学通信工程学院成都610225

针对单一推荐算法的精度不足以及数据稀疏问题,普通加权混合推荐模型权值难以收敛到全局最优的问题,提出了一种基于差分进化蝙蝠算法构建的多元加权混合推荐模型(DEBA-Hybrid Recommendation Model)。该模型通过差分进化蝙蝠算法优秀的... 详细信息

针对单一推荐算法的精度不足以及数据稀疏问题,普通加权混合推荐模型权值难以收敛到全局最优的问题,提出了一种基于差分进化蝙蝠算法构建的多元加权混合推荐模型(DEBA-Hybrid Recommendation Model)。该模型通过差分进化蝙蝠算法优秀的全局寻优能力来寻找到适当的权值,对多种主流的推荐算法进行加权融合,以生成最终的用户评分预测矩阵进行物品推荐。使用RMSE和MAE指标在Movielens公开数据集上进行模型评估,结果表明该模型对比单一推荐算法和传统的加权混合推荐模型在推荐效果上有明显提升,具有实际意义。

关键词：混合推荐模型蝙蝠算法差分进化推荐算法协同过滤

来源：评论

学校读者我要写书评

暂无评论

MFWT:一种推荐学术论文的混合模型

引用

北京邮电大学学报 2016年第4期39卷 24-29页

作者：卢美莲张正林刘智超北京邮电大学网络与交换技术国家重点实验室北京100876

为了改善概率矩阵分解模型进行学术论文推荐时存在的数据稀疏性和冷启动问题,提出了一种混合推荐模型——主题矩阵分解模型.通过提出的作者-会议-时间-主题模型和传统的潜在狄利克雷分布主题模型分别构建用户和论文的主题特征,并通过这... 详细信息

为了改善概率矩阵分解模型进行学术论文推荐时存在的数据稀疏性和冷启动问题,提出了一种混合推荐模型——主题矩阵分解模型.通过提出的作者-会议-时间-主题模型和传统的潜在狄利克雷分布主题模型分别构建用户和论文的主题特征,并通过这2类特征分别增强概率矩阵分解模型的用户潜在因子特征向量和项目潜在因子特征向量.实验结果表明,该模型较好地解决了概率矩阵分解模型的数据稀疏性问题和冷启动问题,有效提升了学术论文的推荐效果.

关键词：概率矩阵分解主题模型混合推荐模型数据稀疏性

来源：评论

学校读者我要写书评

暂无评论

电信用户套餐推荐模型研究

电信用户套餐推荐模型研究

引用

作者：张晓静云南大学

学位级别：硕士

随着第五代通信技术(5G)的商用以及“携号转网”政策在全国的全面实施,移动通信运营商间的竞争日益激烈,使得各大运营商纷纷对运营策略进行调整,由原来的吸引新客户调整为吸引新客户、留住老客户。对于老客户来说,如何利用用户的历史行... 详细信息

随着第五代通信技术(5G)的商用以及“携号转网”政策在全国的全面实施,移动通信运营商间的竞争日益激烈,使得各大运营商纷纷对运营策略进行调整,由原来的吸引新客户调整为吸引新客户、留住老客户。对于老客户来说,如何利用用户的历史行为记录,根据用户的使用偏好,为其推荐合适的电信套餐就显得十分必要。同时,随着计算机技术和数据科学的发展,机器学习方法越来越多地被用于建立用户的个性化推荐模型,为建立移动通信用户套餐推荐模型提供了技术和方法。选取国内某电信运营商的用户历史数据集,在对数据进行基本处理和统计描述,分析用户构成和用户历史消费行为,并对数据进行特征重构的基础上,对现有推荐算法进行组合,构建混合推荐模型,并进行模型的比较分析,选择最优模型对该运营商某系列套餐进行用户选取套餐的预测,构建电信用户套餐推荐模型。用户推荐模型构建方法目前主要有基于内容的推荐、协同过滤、基于关联和分类的推荐和混合模型等几种类型。论文研究的特色在于,对目前较新的分类算法的XGboost建模方法应用进行了探索,将其与基于内容的推荐算法进行整合,构建混合推荐模型。通过对电信用户历史数据的实证分析,采用精度、召回率、F1值以及混淆矩阵这四个评价指标对模型进行评价,并将混合推荐模型与XGboost单一模型的预测结果进行多方位比较,得到混合模型的预测精度较高的结论,说明混合模型对于用户电信套餐的预测能力较强。运营商根据用户的历史行为数据采用混合模型为用户进行套餐推荐,有利于提升移动运营商的服务水平,提高用户感知,以便在激烈的竞争中成功保留住原有客户。通过构建混合推荐模型的实证研究,说明混合推荐模型是构建用户推荐模型的一个较好的发展方向,不过由于本例只在运营商提供的6个现有套餐中进行选择,因此推荐结论的代表性有限,但是模型的研究证明了混合模型作为比单一模型更优的一种推荐模型,具有比较大的发展空间。

关键词：电信套餐基于内容推荐 XGBoost算法混合推荐模型

来源：评论

学校读者我要写书评

暂无评论

基于混合模型的个性化阅读系统设计

引用

软件导刊 2019年第8期18卷 80-82,87页

作者：孙承爱季胜男田刚山东科技大学计算机科学与工程学院

为解决协同过滤推荐算法冷启动和数据稀缺的问题,提高个性化阅读系统推荐准确性,根据图书特点,提出一种融合协同过滤算法和兴趣标签算法的个性化阅读系统设计。通过交叉调和方法,给定一个适当的融合比将两种推荐算法的推荐结果进行融合... 详细信息

为解决协同过滤推荐算法冷启动和数据稀缺的问题,提高个性化阅读系统推荐准确性,根据图书特点,提出一种融合协同过滤算法和兴趣标签算法的个性化阅读系统设计。通过交叉调和方法,给定一个适当的融合比将两种推荐算法的推荐结果进行融合,保证系统在解决冷启动问题的同时,能够增加推荐列表新鲜度,提高推荐准确度,保持个性化阅读系统优越性。结果表明,该方法即使没有评级也能合理推荐,在推荐准确性和图书种类方面优于传统方法。

关键词：个性化阅读混合推荐模型协同过滤兴趣标签交叉调和

来源：评论

学校读者我要写书评

暂无评论

融合用户和区位资源特征的混合房源推荐方法

引用

计算机科学 2022年第S01期49卷 733-737页

作者：朴勇朱锶源李阳大连理工大学软件学院辽宁大连116620

随着时代的发展,用户购买房屋的观念也在发生改变,在决策过程中更加注重房屋的区位资源。文中给出一种融合用户和区位资源特征的混合推荐方法,通过层叠式的方式将基于内容的推荐算法和基于用户的协同过滤算法相组合,通过用户兴趣偏好与... 详细信息

随着时代的发展,用户购买房屋的观念也在发生改变,在决策过程中更加注重房屋的区位资源。文中给出一种融合用户和区位资源特征的混合推荐方法,通过层叠式的方式将基于内容的推荐算法和基于用户的协同过滤算法相组合,通过用户兴趣偏好与区位资源的融合,提供更准确的房源推荐。通过整合17万余条房源交易数据和上千条区位资源数据,实验结果表明,该方法相比传统模型具有更好的推荐效果。

关键词：混合推荐模型区位资源用户兴趣偏好

来源：评论

学校读者我要写书评

暂无评论

基于混合推荐的高考志愿推荐系统的设计与实现

基于混合推荐的高考志愿推荐系统的设计与实现

引用

作者：白俊杰内蒙古大学

学位级别：硕士

“高考难,填报更难”一直是每一个高考家庭面临的重大问题。繁多的院校和专业信息、每年高考政策的改革以及各院校招生计划的变动让高考志愿的填报困难重重。如何从如此繁杂且庞大的信息中提取出符合考生个人情况的相关信息是亟待解决... 详细信息

“高考难,填报更难”一直是每一个高考家庭面临的重大问题。繁多的院校和专业信息、每年高考政策的改革以及各院校招生计划的变动让高考志愿的填报困难重重。如何从如此繁杂且庞大的信息中提取出符合考生个人情况的相关信息是亟待解决的问题。随着互联网技术的日新月异,推荐技术也得到了巨大的发展。本文针对高考志愿填报中难以选择合适院校和专业的问题,设计并实现了基于混合推荐的高考志愿推荐系统。本文主要研究工作如下:（1）本文通过灰色预测理论中的GM（1,1）预测模型和Verhulst预测模型对录取分数线进行预测,采用后验差法对预测结果进行检验并择优选择作为最终的录取分数线预测值。本文以2756所院校2017-2020年在内蒙古自治区的理科录取分数线为输入进行了测试,测试结果显示,97.16%的院校2021年预测录取分数线与实际录取分数线误差值在10以内。（2）本文以霍兰德职业兴趣测试和迈尔斯-布里格斯性格分类指标的测试结果为输入,通过基于内容推荐和基于用户协同过滤的混合推荐算法完成对考生的专业推荐。本文采用归一化折损累计增益对推荐结果进行评估,结果显示,混合推荐算法的推荐效果优于基于内容的推荐算法和基于用户的协同过滤算法,且混合推荐模型采用TOP-15的方式进行推荐。（3）本文采用K-means++算法对各院校预测录取分数线进行聚类分析并最终实现对考生的院校推荐。本文使用轮廓系数对聚类效果进行评估,评估结果显示,当聚类数为6时,K-means++算法聚类效果最佳。（4）本文采用了vue、Spring Boot等技术完成了高考志愿推荐系统的开发,最终实现了六个功能,包括录取分数线预测功能、专业推荐功能、院校推荐功能、个人信息管理功能、数据查询功能和数据管理功能。在完成开发工作后,本文对高考志愿推荐系统进行了系统性测试并对测试结果进行分析。目前,高考志愿推荐系统已在内蒙古易高教育科技有限公司测试运行,为多名考生的高考志愿填报工作提供了有力支持。

关键词：高考志愿推荐混合推荐模型聚类分析灰色预测理论

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：