检索结果-内蒙古大学图书馆

计算机仿真 2021年第9期38卷 495-500页

作者：张洋高艳华郭晓坤中国航天科工二院北京100039 北京控制与电子技术研究所软件研发中心北京100038

协同过滤作为广泛应用的推荐方法,主要根据过去的交易和相似客户的反馈向当前客户推荐内容。但是,由于数据集稀疏性问题,很难区分客户之间的相似兴趣,这限制了协同过滤的可用性。针对数据集稀疏性问题,结合关联检索的相关知识,参考协同... 详细信息

协同过滤作为广泛应用的推荐方法,主要根据过去的交易和相似客户的反馈向当前客户推荐内容。但是,由于数据集稀疏性问题,很难区分客户之间的相似兴趣,这限制了协同过滤的可用性。针对数据集稀疏性问题,结合关联检索的相关知识,参考协同过滤算法,实现了一种改进的协同过滤算法来缓解稀疏性问题并提高推荐的质量。最后对提出的新算法进行测试,简述了改进方法的优点和不足。

关键词：协同过滤关联检索稀疏性问题推荐质量

来源：评论

学校读者我要写书评

暂无评论

基于案例推理:一种用来改善稀疏性问题的方法

引用

微型电脑应用 2005年第12期21卷 21-23页

作者：席俊红华东师范大学软件学院

本文对信息过滤(Informationfiltering)(IF)以及案例推理技术(Case-basedReasoning)(CBR)进行了介绍,并对协同过滤方法中存在的的稀疏性问题,采用案例推理技术进行了一定程度的改善。

关键词：信息过滤案例推理技术稀疏性问题协同过滤

来源：评论

学校读者我要写书评

暂无评论

高校图书馆图书推荐系统中的稀疏性问题实证探析

引用

文化创新比较研究 2021年第35期5卷 165-168页

作者：王月娥广东岭南职业技术学院广东广州510663

在信息保障性发展的背景下,人们主要通过移动设备获取信息,智能移动设备逐渐普及,我国加大了建设电信基础设施力度,4G网络普及,5G网络应用范围逐渐扩大,移动网络宽带加大,原本使用有线网络才能保证服务工作的开展,当前通过移动网络就能... 详细信息

在信息保障性发展的背景下,人们主要通过移动设备获取信息,智能移动设备逐渐普及,我国加大了建设电信基础设施力度,4G网络普及,5G网络应用范围逐渐扩大,移动网络宽带加大,原本使用有线网络才能保证服务工作的开展,当前通过移动网络就能够进行相应服务,使得移动信息服务水平不断提升。这使得当前高校图书馆中学生用户的阅读行为产生变化,尽管图书馆有着优质、丰富的资源,如果不能创新服务模式,很难对用户进行良好信息服务。高校图书馆将面临如何向用户推送正确信息的问题,只有实现个性化服务才能够达到这一目标,而构建图书馆推荐系统可实现个性化服务。

关键词：高校图书馆图书馆推荐系统稀疏性问题学生阅读行为

来源：评论

学校读者我要写书评

暂无评论

用于稀疏数据集的协作过滤算法

引用

清华大学学报（自然科学版） 2009年第10期49卷 1725-1728页

作者：董丽邢春晓王克宏清华大学计算机科学与技术系北京100084 清华大学图书馆北京100084 清华大学信息技术研究院北京100084

稀疏性问题是协作过滤算法应用中的一个突出问题,当系统中用户对资源的评分数据集很稀疏的条件下,算法的精度和覆盖率会显著降低。针对这一问题,该文通过分析影响基于资源的协作过滤算法中的相似性计算的因素,提出采用"资源关系密... 详细信息

稀疏性问题是协作过滤算法应用中的一个突出问题,当系统中用户对资源的评分数据集很稀疏的条件下,算法的精度和覆盖率会显著降低。针对这一问题,该文通过分析影响基于资源的协作过滤算法中的相似性计算的因素,提出采用"资源关系密度"作为描述协作过滤评分矩阵的一个特征指标,分析并总结了"资源关系密度"对典型的基于资源的协作过滤算法的影响,进而提出一种虚拟用户填充算法。实验结果表明,虚拟用户填充法能够有效改善典型的基于资源的协作过滤算法在稀疏数据集上的精度和覆盖率。

关键词：协作过滤稀疏性问题资源关系密度虚拟用户填充

来源：评论

学校读者我要写书评

暂无评论

基于项目的非邻近序列模式推荐算法

引用

计算机工程 2009年第16期35卷 65-67,70页

作者：李伟王新房刘妮西安理工大学计算机科学与工程学院西安710048 西安理工大学自动化与信息工程学院西安710048

针对推荐系统存在的稀疏性问题,提出将非邻近序列模式挖掘算法与基于项目的协作过滤推荐算法相结合的推荐方法,通过构造Markov概率的路径加权转移矩阵,计算资源被推荐的可能性,向用户进行推荐。结果证明,在数据稀疏的情况下,较传统的基... 详细信息

针对推荐系统存在的稀疏性问题,提出将非邻近序列模式挖掘算法与基于项目的协作过滤推荐算法相结合的推荐方法,通过构造Markov概率的路径加权转移矩阵,计算资源被推荐的可能性,向用户进行推荐。结果证明,在数据稀疏的情况下,较传统的基于项目的协作过滤推荐算法,该算法能有效提高推荐系统的推荐质量。

关键词：推荐系统稀疏性问题非邻近序列模式挖掘算法基于项目的协作过滤路径加权求和

来源：评论

学校读者我要写书评

暂无评论

一种基于Sigmoid函数的改进协同过滤推荐算法

引用

计算机应用研究 2013年第6期30卷 1688-1691页

作者：方耀宁郭云飞扈红超兰巨龙国家数字交换系统工程技术研究中心郑州450002

随着电子商务和社交网络的蓬勃发展,推荐系统逐渐成为数据挖掘领域的重要研究方向。推荐系统能够从海量信息中定位用户兴趣点,提供个性化服务。协同过滤算法能够有效分析用户偏好,提供合适的推荐服务。针对评分矩阵稀疏时传统协同过滤... 详细信息

随着电子商务和社交网络的蓬勃发展,推荐系统逐渐成为数据挖掘领域的重要研究方向。推荐系统能够从海量信息中定位用户兴趣点,提供个性化服务。协同过滤算法能够有效分析用户偏好,提供合适的推荐服务。针对评分矩阵稀疏时传统协同过滤算法性能很差的问题,提出一种基于Sigmoid函数的改进推荐系统算法。利用Sigmoid函数对不同项目进行建模,得到项目的平均受欢迎程度;利用Sigmoid函数对不同用户进行建模,将评分映射为用户对项目的喜好程度;根据用户对项目喜好程度应该与项目平均受欢迎程度贴近的原则进行评分预测。在两组真实数据集合上的实验结果表明,该算法较好地解决了数据稀疏性问题,能够有效提高传统算法的预测准确性。

关键词：推荐系统协同过滤稀疏性问题 Sigmoid函数

来源：评论

学校读者我要写书评

暂无评论

基于神经网络和社区发现的高维数据推荐系统

引用

计算机应用与软件 2020年第7期37卷 232-239页

作者：唐新宇张新政刘保利广东工商职业技术大学计算机工程学院广东肇庆526040 广东工业大学自动化学院广东广州510090 空军工程大学理学院陕西西安710000

由于评分矩阵存在稀疏性问题和冷启动问题,传统的推荐系统大多通过分析上下文环境来增强推荐系统的性能,导致计算复杂度提高,并影响推荐的准确率。针对这种情况,提出基于神经网络和社区发现的高维数据推荐系统。利用神经网络识别影响力... 详细信息

由于评分矩阵存在稀疏性问题和冷启动问题,传统的推荐系统大多通过分析上下文环境来增强推荐系统的性能,导致计算复杂度提高,并影响推荐的准确率。针对这种情况,提出基于神经网络和社区发现的高维数据推荐系统。利用神经网络识别影响力大的上下文维度,提高预测的准确率;设计社区检测算法将用户分组,降低数据维度并解决稀疏性问题;采用张量模型处理包含丰富附加信息的用户评分矩阵,根据张量值预测用户对项目的偏好。仿真实验结果表明,该系统有效地提高了高维数据推荐系统的性能。

关键词：推荐系统稀疏性问题社区发现神经网络张量模型奇异值分解

来源：评论

学校读者我要写书评

暂无评论

基于社交关系与无监督学习的大数据推荐算法

引用

计算机应用与软件 2019年第5期36卷 304-310,321页

作者：李淑霞杨俊成蔡增玉河南工业职业技术学院电子信息工程学院河南南阳473000 郑州轻工业学院计算机与通信工程学院河南郑州450002

针对大数据推荐系统中推荐准确率与效率较低的问题,设计一种基于社交关系与多上下文因素的大数据推荐系统。基于活动用户的社交网络,构建一个社交关系的张量模型;通过张量分解获得用户的上下文因素;基于候选集的相似性产生一个推荐列表... 详细信息

针对大数据推荐系统中推荐准确率与效率较低的问题,设计一种基于社交关系与多上下文因素的大数据推荐系统。基于活动用户的社交网络,构建一个社交关系的张量模型;通过张量分解获得用户的上下文因素;基于候选集的相似性产生一个推荐列表。基于用户的反馈预测社交关系的范围,有效地减少推荐系统的计算量。真实数据集的实验结果证明,该算法提高了推荐系统的推荐精度,有效地缓解了稀疏性问题与冷启动问题,并且实现了较快的响应时间。

关键词：社交网络大数据推荐系统稀疏性问题冷启动问题灰羊问题

来源：评论

学校读者我要写书评

暂无评论

社交网络服务平台的用户行为预测研究

社交网络服务平台的用户行为预测研究

引用

作者：黎俊伟合肥工业大学

学位级别：博士

随着大数据时代的到来,信息与数据的快速流动为互联网提供了良好的发展环境。作为数据与用户交互的媒介,近年来诞生的大量社交网络服务(Social Networking Services,SNSs)平台日益成为生活中不可缺少的重要组成元素。不仅为人们生活带... 详细信息

随着大数据时代的到来,信息与数据的快速流动为互联网提供了良好的发展环境。作为数据与用户交互的媒介,近年来诞生的大量社交网络服务(Social Networking Services,SNSs)平台日益成为生活中不可缺少的重要组成元素。不仅为人们生活带来了便利提升用户满意度,也蕴藏着巨大的科学与经济研究价值,为商家增加了可观的经济收益。在用户服务上,SNSs提供了在线的平台,一方面利用推荐系统这一面向用户的信息检索技术为用户获取所需的信息,为其筛选可能感兴趣的商品,缓解由信息过载带来的问题。另一方面,平台利用社交网络的拓扑结构以及用户特性来为其寻找潜在的社交关系,提升其平台使用满意度。从用户角度出发,上述社交网络服务平台上的用户行为主要包括:(1)建立社交链接关系的用户社交链接行为。(2)浏览或购买感兴趣的物品的用户消费行为。准确的为用户提供有效的个性化推荐,预测其消费兴趣偏好,并挖掘潜在可能的社交链接成为了社交网络服务平台上的两个核心任务以及,也是具有现实意义的研究热点。然而,已有的行为预测算法模型面临可使用的用户行为数据稀疏,不同用户行为联合建模以及关联性刻画问题复杂,高阶社交关系及兴趣偏好发掘识别敏感度较低等现实问题与挑战。为此,本文围绕用户行为预测任务展开,在理论上结合数据挖掘技术、用户行为学、社会学等交叉学科知识;在技术上,结合机器学习,深度学习中近年来在多领域中取得成功的网络特征学习,深度神经网络以及图卷积网络与实际应用场景,针对上述问题与挑战进行研究。具体而言,本文的主要工作如下:一、提出了一种基于网络特征学习的用户联合行为预测方法RWJBG。该方法将用户历史记录形成的社交网络与用户消费记录形成的兴趣网络利用用户作为纽带结合起来,形成联合行为图,缓解了稀疏性问题。接下来,RWJBG利用随机游走策略为联合行为图中的每个节点进行多次采样得到节点序列,通过这样的方式收集不同行为之间难以刻画的关联性以及复杂关系,并得到有关节点之间高阶关系的节点序列信息。最后,RWJBG利用语言模型Skipgram来学习每个节点的特征表达,使学习得到的节点特征可以用来计算节点之间的相关性,并应用于两个用户行为的预测任务。二、提出了一种基于特征融合和链路距离的用户联合行为预测模型。随着深度学习在计算机视觉,自然语言处理上取得的巨大成功,深度学习的技术也逐渐被应用于以推荐系统为技术背景的用户消费行为预测,以及链接预测为技术背景的社交链接行为预测上。鉴于此,我们提出一种基于深度学习的联合神经网络模型NJBP对用户行为进行联合预测,以解决前述问题及挑战。在数据运用上,NJBP结合不同用户行为数据缓解了数据稀疏性问题。在技术上,NJBP利用深度神经网络的非线性拟合能力,打破了传统矩阵分解算法的线性模型限制。此外,NJBP利用不同的特征融合方式来刻画和建立两个行为之间的复杂联系,使学习得到的特征能够包含社交影响和同质性假设的特性。为了捕获高阶社交关系,NJBP在模型训练时利用了社交网络的拓扑结构信息,以区分不同距离的社交邻居带来的影响。实验结果表明,这些结构和设置的引入,对社交链接行为预测和消费行为预测的准确性提高有着关键的作用。三、提出了一种融合社交与兴趣网络的用户消费行为预测模型。由于大部分同类研究工作主要依赖于用户的一阶链接关系建模用户行为,因此,其学习得到的节点特征在刻画整体网络拓扑结构信息上有待提高与优化。事实上,真实世界中的社交与兴趣偏好影响可能呈现可传递的高阶特性。为了建模这种传递扩散过程,我们提出了模型DiffNet++。首先,由于用户在社交网络和兴趣网络中扮演着核心角色,DiffNet++通过两个网络中的相同用户将社交网络和兴趣网络作为输入构建为一个异构图,缓解数据稀疏性带来的影响。接下来,用户特征向量从异构图中通过迭代聚合的方式搜集来自社交网络与兴趣网络中的高阶信息,进行特征融合与更新,模拟不同行为记录的关联性和影响。此外,为了准确区分不同网络(社交网络与兴趣网络)信息聚合时对不同用户产生的影响,以及刻画同一网络下不同节点信息聚合时的差异性,我们设计了基于注意力机制的神经网络对其进行精确建模。最后,四个真实数据集上的大量实验结果验证了提出模型的有效性。

关键词：用户行为预测推荐系统链接预测深度学习稀疏性问题

来源：评论

学校读者我要写书评

暂无评论

基于项目语义相似度的协同过滤推荐算法

引用

武汉理工大学学报 2009年第3期31卷 21-23,32页

作者：肖敏熊前兴武汉理工大学计算机科学与技术学院武汉430063

协同过滤是个性化推荐系统中最广泛使用的推荐技术。在用户评分矩阵极度稀疏情况下,传统的协同过滤推荐算法中用户相似度的计算建立在用户评分项目交集之上,并且没有考虑不同项目之间存在的语义关系,从而导致推荐准确率低。针对上述问题... 详细信息

协同过滤是个性化推荐系统中最广泛使用的推荐技术。在用户评分矩阵极度稀疏情况下,传统的协同过滤推荐算法中用户相似度的计算建立在用户评分项目交集之上,并且没有考虑不同项目之间存在的语义关系,从而导致推荐准确率低。针对上述问题,文章提出一种新的基于项目语义相似度的协同过滤算法(CFSSI,collaborative filtering based on semantic similarity between Items):首先利用领域本体计算项目之间的相似性,填充评分矩阵缺失值,而后根据修正的余弦相似度计算用户相似性。实验结果表明:算法可以在用户评分数据极端稀疏的情况下,仍能取得较高的推荐质量。

关键词：协同过滤领域本体语义相似度 k最近邻算法稀疏性问题

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：