检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

17 篇 期刊文献
15 篇 学位论文
1 篇 会议

馆藏范围

33 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

31 篇 工学
- 27 篇 计算机科学与技术...
- 23 篇 软件工程
- 4 篇 仪器科学与技术
- 3 篇 控制科学与工程
- 1 篇 船舶与海洋工程
5 篇 管理学
- 4 篇 管理科学与工程(可...
- 1 篇 图书情报与档案管...
1 篇 艺术学
- 1 篇 设计学（可授艺术学...

主题

33 篇 稀疏性问题
18 篇 协同过滤
12 篇 推荐系统
6 篇 个性化推荐
4 篇 知识图谱
2 篇 冷启动问题
2 篇 相似性度量
2 篇 知识表示
2 篇 协同过滤算法
1 篇 语义相似度
1 篇 项目相似性
1 篇 基于用户
1 篇 舰船位置预测
1 篇 knn
1 篇 链接预测
1 篇 信任度
1 篇 协同过滤推荐算法
1 篇 领域本体
1 篇 社区发现
1 篇 k最近邻算法

机构

2 篇 华东师范大学
2 篇 华南理工大学
2 篇 西安理工大学
2 篇 广东工业大学
2 篇 北京工业大学
1 篇 政治大学
1 篇 广州应用科技学院
1 篇 江西理工大学
1 篇 太原理工大学
1 篇 延边大学
1 篇 武汉理工大学
1 篇 国家数字交换系统...
1 篇 同方股份有限公司
1 篇 广东农工商职业技...
1 篇 长沙理工大学
1 篇 清华大学
1 篇 山东大学
1 篇 重庆邮电大学
1 篇 中国航天科工二院
1 篇 江西农业大学

作者

2 篇 李伟
1 篇 li shuxia
1 篇 tang xinyu
1 篇 席俊红
1 篇 崔荣一
1 篇 熊前兴
1 篇 黎俊伟
1 篇 luo ke
1 篇 高艳华
1 篇 gao yan-hua
1 篇 凌志斌
1 篇 liu baoli
1 篇 huang xiao-ying
1 篇 曹宇
1 篇 wang fengjin
1 篇 潘峰
1 篇 fang yao-ning
1 篇 怀丽波
1 篇 王新房
1 篇 杨俊成

语言

33 篇 中文

检索条件"主题词=稀疏性問題"

共 33 条记录，以下是11-20 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于类别的混合协同过滤算法研究

基于类别的混合协同过滤算法研究

引用

作者：吴月山东大学

学位级别：硕士

随着网络和电子商务的快速发展,信息的爆炸性增长在给人们带来便利的同时,也给人们带来了如何在大量信息中选择所需求资源的困惑。而推荐系统就是一个帮助用户解决信息过载问题的一种智能代理系统。无论是在研究领域还是应用领域,协同... 详细信息

随着网络和电子商务的快速发展,信息的爆炸性增长在给人们带来便利的同时,也给人们带来了如何在大量信息中选择所需求资源的困惑。而推荐系统就是一个帮助用户解决信息过载问题的一种智能代理系统。无论是在研究领域还是应用领域,协同过滤算法都是个性化推荐系统中最成功的算法之一。它基于的假设是：在过去兴趣相似的用户也倾向于在未来喜欢相同的东西。协同过滤算法的最大优势在于它并不基于任何内容信息,因此可以处理音乐、电影和照片等无结构的项目。但与此同时,协同过滤算法也存在着问题亟待解决,那就是稀疏性问题。为了缓解稀疏性问题,本文中提出了一个改进的协同过滤算法,名为基于类别的混合协同过滤算法。该算法在四个主要方面提高了推荐系统的准确性：首先,本文算法利用项目的类别信息,将项目按照其类别信息分类,形成项目-类别矩阵,并根据用户-项目矩阵和项目-类别矩阵构建了用户-类别矩阵。这个过程将一个高维度的矩阵转化为了一个低维度的矩阵。其次,本算法改进了用户相似度和项目相似度公式,通过在原有相似度计算公式中加入一个基于打分交集计算的相关权重的方法,解决了当用户(或项目)打分交集较少时相似性计算不准确的问题。再次,本文提出了一个新的缺失数据预测策略,也就是在我们改进了的基于用户的协同过滤算法运算过程中,先使用改进了的基于项目的协同过滤算法对空白评分进行预测的方法。最后,我们为每个用户构造了用户最近感兴趣的类别云,将用户倾向可能随着时间发生改变的因素考虑在内,进一步提高了算法的准确性。在实验中,我们使用MovieLens10M的一个扩展数据集作为数据源,使用平均绝对误差(MAE)和均方根误差(RMSE)作为评测指标,使用交叉验证的方式设定了参数值。通过使不同训练集所占整体数据集的比例不同,我们比较了本文所提出的算法与传统的基于用户的协同过滤算法和基于项目的协同过滤算法的精确性差距。实验表明,我们提出的算法在所有的情况下都比其他两种算法在性能上有了明显的提升,MAE的最大的提升比率为22%, RMSE最大的提升比率为28%.不仅如此,在提升率曲线上可以看出,训练集的数据越是稀疏,我们算法的优势便越发明显。因此我们可以相信,我们的算法的确有效的缓解了稀疏性问题,提高了协同过滤算法的精确度。

关键词：推荐系统稀疏性问题混合协同过滤缺失数据预测

来源：评论

学校读者我要写书评

暂无评论

网络化主动营销模式下推荐系统中协同过滤技术的研究与探讨

网络化主动营销模式下推荐系统中协同过滤技术的研究与探讨

引用

作者：王丽萍华东师范大学

学位级别：硕士

随着信息技术和网络技术的飞速发展，人们已经进入了互联网时代，互联网不仅为企业提供了便捷的信息收集方式，协助企业开拓市场，而且为企业提供了一个网络化的商务平台。企业借助于互联网，利用电子信息手段进行一系列商务活动，加强... 详细信息

随着信息技术和网络技术的飞速发展，人们已经进入了互联网时代，互联网不仅为企业提供了便捷的信息收集方式，协助企业开拓市场，而且为企业提供了一个网络化的商务平台。企业借助于互联网，利用电子信息手段进行一系列商务活动，加强了企业与用户间的沟通与联系：同时通过在已有的企业营销网络中构建推荐系统以实现网络化主动营销模式。在此模式下企业不但能够主动收集用户的各类信息，了解用户的需求，而且还能够以主动的营销行为去影响用户的行为和选择。这样，一方面实现了企业以销售产品为核心到以满足用户需求为核心的策略转变，另一方面也方便了用户找到自己满意的产品。推荐系统虽然已经在电子商务、电子图书馆等领域有着较广泛的应用，但随着其系统规模的扩大，它还面临着一系列的技术挑战。针对当前推荐系统所面临的问题，本文对推荐系统中广泛采用的协同过滤技术进行了深入的研究，详尽分析了现有协同过滤技术存在的不足和面临的挑战，提出一种协同过滤推荐改进算法——基于项目特征相似和关联规则的协同过滤推荐算法，来解决传统协同过滤推荐算法所面临的“稀疏性问题”和“第一评价问题”，采用了一种新的项目相似性度量方法来提高推荐质量，进一步地根据实际用户需求构建了多功能个性化推荐系统原型。本文的主要内容和结构安排如下：首先，介绍推荐系统的发展现状以及相关技术，分析在网络化主动营销模式下的推荐系统所具有的特点，阐述了论文研究的目标和意义。其次，系统地剖析了目前被广泛采用的经典推荐算法各自的优势与存在的不足，并深入研究了推荐系统中应用最为广泛的协同过滤技术，着重地针对“稀疏性问题”和“第一评价问题”提出了一个有效的协同过滤推荐改进算法。再次，通过采用协同过滤技术研究领域的权威实验数据集，完成了对文中提出的基于项目特征相似和关联规则的协同过滤推荐算法的科学、有效地测试与评估，实验性地验证了该算法的合理性、有效性和创新性。最后，基于某企业的实际应用需求，构建了一个多功能个性化推荐系统原型，将文中提出的协同过滤推荐改进算法有效地结合到系统原型设计方案中，从而从实际需求的角度完成了本论文研究内容的应用性尝试。

关键词：网络化主动营销模式推荐系统协同过滤稀疏性问题第一评价问题

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱融合用户显隐性偏好的个性化推荐方法研究

基于知识图谱融合用户显隐性偏好的个性化推荐方法研究

引用

作者：胡波重庆邮电大学

学位级别：硕士

随着科技发展脚步地加快,大数据时代的到来在给人们带来便利的同时也伴随着数据冗余的问题,用户面对海量数据无法做出正确且适合自己的选择。搜索引擎通过用户明确目的搜索解决了部分的数据冗余问题,但是并没有能力处理用户的个性化需... 详细信息

随着科技发展脚步地加快,大数据时代的到来在给人们带来便利的同时也伴随着数据冗余的问题,用户面对海量数据无法做出正确且适合自己的选择。搜索引擎通过用户明确目的搜索解决了部分的数据冗余问题,但是并没有能力处理用户的个性化需求问题,因此推荐系统应运而生。个性化的推荐系统通过筛除无用数据专门为用户提供最合适的数据信息。但是用户评分数据的稀疏和系统的冷启动问题一直限制着推荐系统的性能表现。因此,大量研究者通过引入辅助信息作为数据填充到推荐系统中来提升推荐系统的性能,例如将知识图谱、项目属性等信息结合到推荐系统中。本文将引入知识图谱到推荐系统中,利用知识图谱的网络边结构信息挖掘用户的隐性属性偏好,对传统基于项目属性偏好的协同过滤算法进行改进得到CFUEP算法。在知识图谱上通过对显性偏好和隐性偏好的融合,解决了数据稀疏的问题,提高了推荐的性能、增强了推荐系统的可解释性。最后基于SSM框架使用Java语言开发了一套个性化电影推荐系统。本文主要创新点与工作内容如下:1.本文利用知识图谱的网络边结构信息挖掘用户的隐性属性偏好,从用户的历史项目记录出发,将用户和项目的ID嵌入作为原始输入,通过对项目I在d维空间上的嵌入,表示每个项目I与项目嵌入i∈Rd在向量空间中相关联,给定项目嵌入I和第一跳的继承连接集合Lu1,通过将项目I与头实体hi和关系实体ri进行比较,为Lu1中的每个三元组分配一个隐性偏好继承概率。在获得相关结点继承概率后将Su1中的尾实体与隐性关联概率和显性关联概率相乘得到从用户历史交互项目沿着知识图谱传播一跳的传播向量。以此递归计算得到最后的用户嵌入u,最后通过用户嵌入和项目嵌入计算得到用户对项目的点击率预测。2.本文基于SSM开发框架设计并开发了个性化电影推荐系统。首先对系统进行需求分析,确定推荐系统的整体框架,然后结合实际场景设计实现功能板块和业务逻辑,最后对该系统进行了系统功能测试,验证该系统是否符合我们的预期要求。

关键词：个性化推荐协同过滤知识图谱技术稀疏性问题属性偏好

来源：评论

学校读者我要写书评

暂无评论

面向个性化推荐的Web使用挖掘研究

面向个性化推荐的Web使用挖掘研究

引用

作者：李伟西安理工大学

学位级别：硕士

随着Internet技术的快速普及和迅猛发展,网上信息量的迅速增长,人们面对大量的信息无法选择和消化,这就是信息过载问题。如何在这个巨大的数据集中发现有用的信息成为Internet研究的热点问题。仅采用搜索引擎来检索Web上的信息,未能考... 详细信息

随着Internet技术的快速普及和迅猛发展,网上信息量的迅速增长,人们面对大量的信息无法选择和消化,这就是信息过载问题。如何在这个巨大的数据集中发现有用的信息成为Internet研究的热点问题。仅采用搜索引擎来检索Web上的信息,未能考虑个体用户的兴趣偏好,因此,研究者提出用Web个性化推荐技术来有效解决这些问题。 Web使用挖掘将数据挖掘技术应用于Web服务器日志文件等数据,获得大量用户的访问行为,为个性化推荐提供了方法依据。Web使用挖掘是目前Web个性化推荐中应用与研究的关键技术之一,主要利用Web使用挖掘的相关技术为不同的用户采取适合用户本身的服务策略,提供相关推荐内容。本文针对推荐系统存在的稀疏性问题,提出了基于项目的非邻近序列模式推荐算法(路径加权算法)。首先介绍Web使用挖掘和个性化推荐系统的研究现状和相关知识背景,包括数据挖掘、Web挖掘、Web使用挖掘的概念以及常用的个性化推荐技术。其次,详细的研究和探讨了Web使用挖掘的数据预处理过程,包括数据清洗、用户识别、会话识别等过程。然后,针对推荐系统存在的稀疏性问题,提出一种基于项目的非邻近序列模式推荐算法,采用自制模拟数据与MovieLens数据集分别与基于项目的KNN方法做对比实验。实验证明,在数据稀疏的情况下,基于项目的非邻近序列模式方法有较好的推荐效果。与此同时,提出了基于项目的非邻近序列模式推荐系统模型。最后,对本文的工作做了总结,并提出了基于项目的非邻近序列模式推荐算法的进一步研究内容。

关键词：个性化推荐 Web使用挖掘稀疏性问题路径加权算法 KNN

来源：评论

学校读者我要写书评

暂无评论

基于隐式反馈的商品推荐算法的研究与应用

基于隐式反馈的商品推荐算法的研究与应用

引用

作者：舒伟红南昌大学

学位级别：硕士

现如今,实体店进入寒冬,但线上购物发展蒸蒸日上,购物网站提供种类丰富的商品,极大地满足了人们多样化的需求。但是随着网站中商品数量的不断增多,人们愈发觉得网购费时费力,这是由于产生了“信息过载”,而运用推荐系统,该问题便可以得... 详细信息

现如今,实体店进入寒冬,但线上购物发展蒸蒸日上,购物网站提供种类丰富的商品,极大地满足了人们多样化的需求。但是随着网站中商品数量的不断增多,人们愈发觉得网购费时费力,这是由于产生了“信息过载”,而运用推荐系统,该问题便可以得到有效地解决。推荐系统的目的是通过对用户的兴趣爱好进行分析,最终为用户推荐项目。在常见的协同过滤推荐中,都需要用户对项目的“显式”打分评价来体现偏好程度。由于在商品推荐领域获取用户对商品的评分难度大,导致难以应用。然而,通过对隐式反馈数据的分析,即分析用户与购物系统在不断交互的过程中产生的行为数据,同样可以收集到用户对商品的偏好。因此,本文将通过利用用户在网购过程中对商品的点击、收藏、加入购物车、支付四种行为产生的隐式反馈数据,为用户实现商品推荐功能。本文主要的研究工作如下:(1)针对用户的隐式反馈数据无法准确衡量用户兴趣偏好程度的问题,研究将隐式反馈数据通过计算公式转化为对商品的评分数据,形成用户-商品评分矩阵,以便适用于基于用户的协同过滤推荐算法实现推荐。(2)针对在得到的用户-商品评分矩阵在计算相似度时,存在着目标用户需要进行比对的用户空间大,耗时长的情况以及矩阵稀疏性问题,通过改进传统的相似度计算方法,提出基于用户行为相似因子的相似度计算方法。该方法首先利用用户身份属性进行K-means聚类,将目标用户所在簇类集合作为相似度计算的用户空间范围,有效地减少了相似度计算时需比对的次数;接着,采取设置阈值得出商品候选集后,通过引入用户行为相似因子,计算得出参考评分,将该值用来填充用户间评分过的商品所取的并集合,解决了传统方法中在稀疏矩阵中取评分商品交集时商品数量较少的问题,从而改进了相似度计算方法。经过相关实验表明,所提算法性能更优。(3)设计并利用java语言实现一个商品推荐系统,将本文所提出的算法进行实践。

关键词：隐式反馈商品推荐稀疏性问题用户行为相似聚类

来源：评论

学校读者我要写书评

暂无评论

基于深度循环网络的舰船位置预测方法研究

基于深度循环网络的舰船位置预测方法研究

引用

作者：曹宇南京邮电大学

学位级别：硕士

21世纪被称作为“海洋的世纪”,航行安全与领海主权问题正在深刻地影响着各国的运输、贸易、资源和战略部署。因而,无论是在远洋适航场景还是近海活动中,对各类舰船进行有效监测和管理势在必行。位置预测旨在精准且高效地预测出目标舰... 详细信息

21世纪被称作为“海洋的世纪”,航行安全与领海主权问题正在深刻地影响着各国的运输、贸易、资源和战略部署。因而,无论是在远洋适航场景还是近海活动中,对各类舰船进行有效监测和管理势在必行。位置预测旨在精准且高效地预测出目标舰船下一步的轨迹,是舰船异常状态检测、航线控制及危险行为判别等衍生任务的基础。该研究对实时收集舰船动态信息,保障领海区域性安全具有重大科学意义。本文以舰船位置数据的内在特征为主线,分别从常规的远洋场景和不确定性较强的近海场景出发,深入探讨循环神经网络在时空序列预测任务中的应用,并就超长稠密序列及低秩稀疏序列的预测方法提出改进思路。论文主要工作内容如下:通过AIS舰船数据集的可视化分析,还原真实舰船活动轨迹,总结归纳出数据的分布规律。结合任务需要和特点,从凝练舰船状态属性的角度完成数据清洗、序列编码和缺失值补充等预处理工作。此外,依据实验目标,分别构建AIS超长稠密序列数据集和AIS低秩稀疏序列数据集,用于模型验证和评价。面向超长稠密序列,设计了一种基于时空窗口循环神经网络的位置预测模型。该模型利用滑动窗口将序列长依赖问题转化为局部序列的特征抽取问题,在此基础上优化窗口连续时间段内的时空、速度信息捕捉方法来进一步提升预测的精准性。针对传统RNN类模型无法并行计算的劣势,所提模型基于多头注意力框架,有效改善了计算复杂度。实验结果表明,此方法能够克服长依赖序列的梯度消失问题,兼备预测精度和计算效率的优势,展现高效的位置预测效果。面向低秩稀疏序列,提出了一种基于自注意力机制的双向门控单元位置预测模型。考虑到数据稀疏与关键信息遗漏对目标行为模式挖掘的影响,所提模型利用双向特征传播结构,挖掘位置点间的语义联系,同时使用动态数据增强方法共享相似的历史特征依赖。受人类视觉机制启发,模型还加入了聚焦源端序列的自注意力加权层,用以筛选区分重要位置特征。多组实验证明,该方法很好地缓解了数据稀疏性问题,且在不同类型数据集上表现出良好的预测稳定性和泛化性。

关键词：舰船位置预测循环神经网络长依赖问题稀疏性问题

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤推荐算法的研究

基于协同过滤推荐算法的研究

引用

作者：葛鹏江苏科技大学

学位级别：硕士

随着互联网技术的发展,网络信息资源成指数级别增长。面对海量的信息资源,用户很难找到自己所需要的信息资源,面临着严重的信息过载问题。为了帮助用户更轻松的找到自己所需要的信息资源,推荐算法应运而生,并被广泛应用于各种推荐系统... 详细信息

随着互联网技术的发展,网络信息资源成指数级别增长。面对海量的信息资源,用户很难找到自己所需要的信息资源,面临着严重的信息过载问题。为了帮助用户更轻松的找到自己所需要的信息资源,推荐算法应运而生,并被广泛应用于各种推荐系统中。协同过滤推荐算法是目前应用最为成功的一种推荐算法。它主要依据目标用户在推荐系统中的历史行为信息,计算其余用户与目标用户之间的相似度,与目标用户最为相似的用户集将决定向目标用户推荐的信息资源。针对数据稀疏性问题,本文提出了一种基于用户评分和项目属性偏好的推荐算法。该算法改进了传统推荐算法的两个方面。一方面,从用户对项目属性偏好的角度出发,构造了基于项目属性偏好的相似度。从评分差异、评分习惯、置信度的角度出发,构造了基于项目评分的相似度。将两个相似度粗细结合,取代传统推荐算法的相似度。另一方面,改进了传统推荐算法的搜索空间。通过以项目属性偏好相似度为距离的聚类和以共同评分相似度为距离的聚类,获取两个与目标用户最相似的类,并将两个类结合起来作为最近邻集合的搜索空间。实验表明该算法一定程度上能够缓解数据的稀疏性问题,比传统的协同过滤推荐算法拥有更高的推荐精确度,更快的推荐效率。针对用户信任关系稀疏的问题,本文提出了一个扩充信任关系的方法。该方法充分考虑了多种因素对信任关系的影响,扩充了初始的信任关系。进一步将信任关系和相似度融合,并提出了基于信任相似度的协同过滤推荐算法。实验表明相比传统基于信任的推荐算法,该算法具有更高的推荐精度,更高的覆盖率。

关键词：协同过滤推荐算法项目属性信任度稀疏性问题

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱的个性化推荐技术研究

基于知识图谱的个性化推荐技术研究

引用

作者：凌志斌华南理工大学

学位级别：硕士

在当今互联网高速发展与信息爆炸增长的时代下,人们容易出现信息过载等问题,难以获取有效信息并学得知识。为了解决信息过载的问题,个性化推荐系统应运而生。相比搜索引擎,个性化推荐系统更适用于用户需求不明确或无法准确用关键词描述... 详细信息

在当今互联网高速发展与信息爆炸增长的时代下,人们容易出现信息过载等问题,难以获取有效信息并学得知识。为了解决信息过载的问题,个性化推荐系统应运而生。相比搜索引擎,个性化推荐系统更适用于用户需求不明确或无法准确用关键词描述的应用场景,例如我们常见的新闻资讯类、电商类、音乐类等应用。在实际应用中,大多数推荐系统一般采用协同过滤推荐算法,仅输入用户交互数据,存在着稀疏性问题与冷启动问题,在一定程度上限制了推荐效果。从根源上讲,数据的不完善是导致数据稀缺和冷启动问题的根本原因,因此本文引入知识图谱作为辅助信息,重点研究了知识图谱的分布式表示方法、基于知识图谱的个性化推荐算法。本文的主要研究内容如下:首先,对于知识图谱的分布式表示方法,本文介绍了现有图分布式表示方法损失了子图级别高阶相似性的问题。为此,本文提出了一种基于循环神经网络的知识图谱分布式表示模型KG-GRU,利用包含节点与关系的序列,对子图相似性进行建模,将关系与节点表示在相同的嵌入向量空间。此外,本文提出跳转或停留策略JUST,指导随机游走对知识图谱进行数据采样,避免了手动构建元路径以及节点类型分布不平衡的问题。然后,本文提出了两种基于知识图谱的个性化推荐算法:KG-CF和KG-GRU4Rec。基于融合内容的协同过滤算法思想,KG-CF直接将领域知识图谱中物品的分布式表示向量融合进物品相似度计算,即向传统的基于物品的协同过滤算法补充了物品的语义信息,从而提高个性化推荐效果。KG-GRU4Rec改进于本文提出的知识图谱分布式表示模型KG-GRU,实现了一个端到端预测用户评分的模型,避免了KG-CF的评分预测依然依赖用户历史评分数据的问题。最后,在实验阶段,本文以电影推荐为应用场景,选择了个性化推荐领域广泛应用的Movie Lens电影推荐数据集。为评估本文提出的上述算法模型,本文调研并实现了电影领域知识图谱的构建,包括从电影领域本体库的构建,电影相关数据爬取,到知识的抽取与存储。最后,本文通过链接预测实验证明了KG-GRU模型能够学习本文构建的电影领域图谱中实体与关系较为准确的分布式表示,通过Top-N电影推荐实验证明了KG-CF和KG-GRU4Rec推荐算法在命中率和平均倒数排名方面优于对比算法。

关键词：知识图谱分布式表示个性化推荐协同过滤稀疏性问题

来源：评论

学校读者我要写书评

暂无评论

融合统计的推荐系统算法的研究及其应用

融合统计的推荐系统算法的研究及其应用

引用

作者：刘博洋北京工业大学

学位级别：硕士

随着互联网近年来的爆炸式发展，数据、信息飞速增长，信息过载问题已越来越严重。如何高效缓解信息过载已成为一个热门的研究课题。推荐系统就是在这样一个背景下诞生的。但如今推荐系统却往往以对立面的形式出现在大家面前。这主要是... 详细信息

随着互联网近年来的爆炸式发展，数据、信息飞速增长，信息过载问题已越来越严重。如何高效缓解信息过载已成为一个热门的研究课题。推荐系统就是在这样一个背景下诞生的。但如今推荐系统却往往以对立面的形式出现在大家面前。这主要是由垃圾的推荐系统所造成的结果。一个成功的推荐系统应该能给用户眼前一亮，不仅推荐了产品，还能促进用户消费。而推荐系统成败的关键就是如何充分利用互联网信息了解每一个用户，并根据他们的兴趣在不同的地点，不同的时间及时送上恰当的信息，并在这些信息传递的同时，有效地针对这些信息单元建立不同的衡量标准及评估方法，去伪存真，促成信息的有效传递。时至今日，面对越来越复杂的数据环境，推荐系统也面临着如稀疏度高、冷启动等问题带来的巨大考验。这些内容是推荐系统研究的范畴，也是本文研究的方向。　　本文针对电影推荐系统的稀疏性问题，结合当今主流推荐系统的核心算法，利用统计学知识，对高维矩阵和缺失值进行了处理。缓解了使用单一方法不能完全解决稀疏性的难题。文中采用了提取电影类型特征和奇异值分解，两种方法对原始用户电影评分矩阵进行降维，使得降维后的矩阵稀疏程度降低。针对效果较好的提取电影类型特征的降维方法，本文又采取了传统统计填补方法和现代统计填补方法，对缺失值进行填补。在提取相似用户的时候运用了包括余弦相关系数、Spearman相关系数和Kendall相关系数在内的多种相关系数方法，对相似用户进行量化评定。在填补缺失值的过程中采用了均值借补、中位数借补、朴素贝叶斯借补、决策树借补、随机森林借补等多种借补手段，对缺失值进行填补。　　最后结果发现，在较为复杂、数据特征不明显的问题里，使用可以不断修正、结果无法有显示表达式的机器学习方法所建立的模型效果是较好。并在最后给出了基于机器学习方法而设计出的推荐系统模型。

关键词：电影推荐系统稀疏性问题互联网信息运行效果统计学

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤算法的推荐系统研究与实现

基于协同过滤算法的推荐系统研究与实现

引用

作者：李杰河北工业大学

学位级别：硕士

近年来，随着计算机技术的飞速发展与网络的迅速普及，人们既可以享受海量信息资源带来的便利，同时又面临着“信息超载”所带来的问题，推荐系统正是为了解决这一问题而产生的。相较于经典的搜索引擎式服务，推荐系统的个性化是其得天... 详细信息

近年来，随着计算机技术的飞速发展与网络的迅速普及，人们既可以享受海量信息资源带来的便利，同时又面临着“信息超载”所带来的问题，推荐系统正是为了解决这一问题而产生的。相较于经典的搜索引擎式服务，推荐系统的个性化是其得天独厚的优势。推荐系统的研究是当前信息资源急速膨胀环境下的迫切需求，有着重要的理论价值与实际价值。协同过滤技术是当前推荐系统研究的热点之一，然而其依然存在稀疏性问题、冷启动问题需要解决，同时在算法的精准度上也尚有很大的研究空间。针对上述问题本文主要的研究对象为推荐系统以及在解决数据稀疏性和冷启动问题的前提下提高协同过滤算法的精确度的改进方法。所以，本文的主要研究内容和创新点可以概括为以下几个方面：第一，首先对推荐系统进行整体的研究，充分研究了推荐系统的相关概念，对各种推荐系统、各种推荐系统的优势与劣势以及协同过滤算法进行了深入的研究。第二，在对协同过滤算法的深入研究的基础上，针对算法数据稀疏性问题与冷启动问题，本文通过结合用户属性与项目属性，提出了一种改进的协同过滤算法。改进的算法利用推荐系统中的用户与项目信息弥补了经典协同过滤算法的不足。并且不同于简单的组合，算法可以根据评分数据集的特点动态的调节用户和项目属性信息在评分预测中所占的比重，使得算法的准确度进一步提升，并且通过实验验证了这一结论。第三，以电影推荐系统为例，通过之前对现有协同过滤推荐系统的总结与分析，设计并实现基于改进的协同过滤算法的推荐系统，以检验改进算法的实用性。

关键词：推荐系统协同过滤稀疏性问题冷启动问题

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共4页 << < 1 2 3 4 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：