检索结果-内蒙古大学图书馆

小型微型计算机系统 2021年第6期42卷 1144-1151页

作者：赵海燕成若瑶陈庆奎曹健上海理工大学光电信息与计算机工程学院上海市现代光学系统重点实验室光学仪器与系统教育部工程研究中心上海200093 上海交通大学计算机科学与技术系上海200030

目前,个性化推荐系统的研究已经成为一个热门领域,其技术在各行各业得到了广泛应用.在现实生活中,人们可以划分成不同的群组,人们也经常以群组的形式一起参加各种形式的活动,所以对群组推荐也具有实际的应用价值,群组推荐系统已经吸引... 详细信息

目前,个性化推荐系统的研究已经成为一个热门领域,其技术在各行各业得到了广泛应用.在现实生活中,人们可以划分成不同的群组,人们也经常以群组的形式一起参加各种形式的活动,所以对群组推荐也具有实际的应用价值,群组推荐系统已经吸引了越来越多的关注.本文对群组推荐系统的相关研究进行了梳理,将群组推荐的核心技术分为5个方面:群组识别、信息获取方法、融合策略、推荐方法和评价指标.本文对这些方面进行了详细介绍与分析.此外,还列举了群组推荐系统发展中面临的困难与挑战.最后,对群组推荐系统未来的发展方向进行了展望.

关键词：群组推荐系统群组分类融合策略协同过滤

来源：评论

学校读者我要写书评

暂无评论

基于非负矩阵分解的群组推荐算法

引用

计算机工程与科学 2022年第5期44卷 933-943页

作者：贾俊杰姚叶旺陈旺虎西北师范大学计算机科学与工程学院甘肃兰州730070

近年来,随着媒介技术的快速发展,人们成组活动的现象逐渐增多,群组推荐系统也逐渐受到关注。现有的群组推荐系统往往将不同的成员视为同质对象,忽视了成员专业背景和项目固有属性之间的关系,无法真正地解决融合过程中的偏好冲突问题。为... 详细信息

近年来,随着媒介技术的快速发展,人们成组活动的现象逐渐增多,群组推荐系统也逐渐受到关注。现有的群组推荐系统往往将不同的成员视为同质对象,忽视了成员专业背景和项目固有属性之间的关系,无法真正地解决融合过程中的偏好冲突问题。为此,提出一种基于非负矩阵分解的群组推荐算法,通过非负矩阵分解将群组评分信息分解为用户矩阵和项目矩阵,针对2个矩阵分别利用隶属度和专业度权值计算得到项目隶属度矩阵和成员专业度矩阵,并由此获得各成员在不同项目上的贡献度来构建群组偏好模型。实验结果表明,所提算法在不同群组规模和组内相似度的情况下依然具有较高的推荐准确度。

关键词：群组推荐系统偏好融合非负矩阵分解贡献度

来源：评论

学校读者我要写书评

暂无评论

考虑用户隐私保护的需求响应推荐方案研究

考虑用户隐私保护的需求响应推荐方案研究

引用

作者：王雪纯华北电力大学

学位级别：硕士

需求响应(DR)作为智能电网的重要组成部分,通过激励用户调整其电力需求以适应供应可用性,在降低峰值负荷和将可再生能源纳入电网方面发挥着关键作用。为了充分发掘具有不同用电特征的智能电网用户参与不同类型需求响应项目的潜力,提高... 详细信息

需求响应(DR)作为智能电网的重要组成部分,通过激励用户调整其电力需求以适应供应可用性,在降低峰值负荷和将可再生能源纳入电网方面发挥着关键作用。为了充分发掘具有不同用电特征的智能电网用户参与不同类型需求响应项目的潜力,提高需求响应计划的响应度和完成度,需要对不同用户群组进行合适的推荐,此外,由于在推荐过程中存在隐私泄露的风险,所以还需要设计出一种考虑保护用户隐私的推荐模型。本文将聚类分析和考虑隐私保护的群组推荐模型引入到对智能电网中用户进行合适的需求响应项目推荐中。首先,针对不同的用电背景下的需求响应潜力用户的用电行为,给出一种基于移动形状的鲁棒模糊k-modes(MS-RFKM)聚类算法进行聚类分析并划分用户群组,该方法可以很好地识别各种能耗曲线和用户行为模式,对于需求响应的实施也有着重要作用,与以往的聚类算法的主要区别在于该聚类算法更适合于高维的大型时间序列数据集,省去了降维的操作处理,并且聚类效果也更加精准。其次,在个性化推荐的环节,用户在本地化差分隐私下与推荐服务器交互,通过矩阵分解机制训练个性化推荐模型,不会泄露用户隐私。接着,在用户端生成个性化推荐结果之后,每个用户都会获得自己的偏好,当一个群组需要推荐时,该群组会执行隐私保护扰动聚合(PPPA)算法,即每个组成员的个人偏好在发送到服务器之前在组内被随机扰动传递,在这种情况下,群组成员的真实喜好在随机传输过程中是隐藏的,不会暴露给其他人。最后,服务器接收到所有成员的扰动偏好后,采用中值聚合策略进行聚合,得到最终的群体偏好,对用户群组进行更加符合其用电需求和用电模式的细致推荐。本文通过仿真模拟实验分析,将聚类算法应用于智能电网中用户用电行为分析和聚类划分,并对所划分的每类用户群组进行隐私保护的群组推荐,验证了聚类算法的优异性能以及群组推荐模型的隐私保护效果和推荐有效性,并有助于电力供需状况的改善,提高电网运行的稳定性和可靠性。

关键词：需求响应聚类分析隐私保护群组推荐系统本地化差分隐私

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和图神经网络的群组推荐算法研究

基于注意力机制和图神经网络的群组推荐算法研究

引用

作者：黄鑫华南理工大学

学位级别：硕士

在大数据时代下,推荐系统能够有效解决信息过载问题并为企业带来巨大的商业价值。随着推荐系统的服务对象逐渐从单一用户扩展为群组用户,群组推荐成为了当下推荐系统领域的研究热点之一。相较于传统推荐系统,群组推荐旨在针对团体性活... 详细信息

在大数据时代下,推荐系统能够有效解决信息过载问题并为企业带来巨大的商业价值。随着推荐系统的服务对象逐渐从单一用户扩展为群组用户,群组推荐成为了当下推荐系统领域的研究热点之一。相较于传统推荐系统,群组推荐旨在针对团体性活动为群体用户提供精准的个性化推荐,能够有效融合所有群体成员的用户偏好并缓解群体内部的偏好冲突。然而,现有大多数群组推荐系统所采用的预定义融合策略仅凭经验预先设定成员影响权重,然后加权融合成群组偏好,但未考虑到成员偏好在不同项目的群组决策中所客观存在的重要性差异。此外,现有方法还忽视了成员间的潜在交互作用对群体偏好建模的影响。受限于上述问题,现有方法难以准确、全面地挖掘群组偏好,因而限制了对复杂群组的推荐效果。针对上述问题,本文提出了一种基于注意力机制和图神经网络的群组推荐模型(Attention and Graph Neural Network Recommendation Model,AGNN)。一方面,考虑到群组成员偏好在不同项目推荐中的重要性差异,AGNN模型引入了图神经网络技术,先利用基于空间的图卷积方法从用户与项目的交互图中挖掘基于项目角度的用户潜在兴趣偏好,然后结合注意力机制从项目角度针对性地学习不同成员在不同群组决策时的影响权重,从而有效建模基于项目角度的群组偏好表示。另一方面,考虑到成员间的交互作用对群体偏好建模的影响,AGNN模型同样利用基于空间的图卷积方法从群组与成员的交互图中有效挖掘成员之间的潜在交互作用,进而准确生成基于用户角度的群组偏好表示。最终,AGNN模型利用门控模块融合上述基于用户和项目两个角度的群组偏好表示,得到更全面、准确的群组偏好表示,然后将该群组偏好表示和候选项目的特征表示共同输入到预测层中,从而生成更准确的群组推荐结果。为了评估模型的群组推荐性能,本文在三个真实数据集进行了广泛的对比实验。实验结果表明,AGNN模型相较于基准模型取得了更好的推荐效果。此外,本文还设置消融实验来对比不同模块对推荐性能的影响,验证了成员间的交互作用与成员偏好在不同项目推荐中的重要性差异对群组推荐任务的有效性和必要性。最终本文还针对模型研发了相应的群组推荐系统接口,验证了AGNN模型在现实推荐应用的可用性。

关键词：群组推荐系统偏好融合图神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

A Group Recommendation System Based on Social Influence

A Group Recommendation System Based on Social Influence

引用

作者： Nahar Saifun 电子科技大学

学位级别：硕士

在人们的日常社会生活中,参加集体活动是必不可少的一部分。在群组推荐系统中,向一群用户推荐愉快的活动是非常重要的。这项工作的主要挑战是如何学习每个用户的社会影响力,以及如何使他们的相互社会影响力适应不同的群体,从而动态地调... 详细信息

在人们的日常社会生活中,参加集体活动是必不可少的一部分。在群组推荐系统中,向一群用户推荐愉快的活动是非常重要的。这项工作的主要挑战是如何学习每个用户的社会影响力,以及如何使他们的相互社会影响力适应不同的群体,从而动态地调整群体的共同项目策略,以捕捉复杂的群体决策过程。然而,这些动态策略对真实而复杂的群体决策建模非常简单。此外,群成员在群中应该偶尔会有影响或负担,用户的负担在不同的群中可能会有所不同。因此,一个理想的群体推荐系统应该能够学习用户的相互偏好。为此提出了一种基于相互社会影响的群体活动推荐系统。特别是,理解个人影响的社会影响并使其共享的社会影响适应各种协会的价值机制,通过获取知识框架来开发独特而深刻的社会影响,并将用户的普遍意识和本地的社会影响和社区结构与事实相结合,以更好地提高对用户社会影响的估计。为了克服偶发群体提供的交集知识的困境和稀疏性,采用奇异值分解和神经网络嵌入的联合模型来降低数据集的稀疏性,并重构矩阵向量,从用户-项目交互和用户-用户交互两个方面进行推荐。从该模式中学习到的知识被用来向同一群组的用户推荐成组项目。采用名为豆瓣的知名事件数据集和一个名为CAMRa2011的公开可用的数据集,在其中提取了相关特征,并对其进行了相关实验。与其他工作相比,取得了最好的成果。在用户推荐系统中,超过了其他方法,HR和NDCG分别提高了8.91%和14.56%左右。此外,在群组推荐系统中,HR和NDCG分别提高了0.68%和9.93%左右。

关键词：群组推荐系统神经网络数字网络嵌入相互影响社会影响特征提取

来源：评论

学校读者我要写书评

暂无评论

A Group Recommendation System Based On Social Infl

A Group Recommendation System Based On Social Infl

引用

作者： Nahar Saifun 电子科技大学

学位级别：硕士

在人们的日常社会生活中，参加集体活动是必不可少的一部分。在群组推荐系统中，向一群用户推荐愉快的活动是非常重要的。这项工作的主要挑战是如何学习每个用户的社会影响力，以及如何使他们的相互社会影响力适应不同的群体，从而动态... 详细信息

在人们的日常社会生活中，参加集体活动是必不可少的一部分。在群组推荐系统中，向一群用户推荐愉快的活动是非常重要的。这项工作的主要挑战是如何学习每个用户的社会影响力，以及如何使他们的相互社会影响力适应不同的群体，从而动态地调整群体的共同项目策略，以捕捉复杂的群体决策过程。然而，这些动态策略对真实而复杂的群体决策建模非常简单。此外，群成员在群中应该偶尔会有影响或负担，用户的负担在不同的群中可能会有所不同。因此，一个理想的群体推荐系统应该能够学习用户的相互偏好。为此提出了一种基于相互社会影响的群体活动推荐系统。特别是，理解个人影响的社会影响并使其共享的社会影响适应各种协会的价值机制，通过获取知识框架来开发独特而深刻的社会影响，并将用户的普遍意识和本地的社会影响和社区结构与事实相结合，以更好地提高对用户社会影响的估计。为了克服偶发群体提供的交集知识的困境和稀疏性，采用奇异值分解和神经网络嵌入的联合模型来降低数据集的稀疏性，并重构矩阵向量，从用户-项目交互和用户-用户交互两个方面进行推荐。从该模式中学习到的知识被用来向同一群组的用户推荐成组项目。采用名为豆瓣的知名事件数据集和一个名为CAMRa2011的公开可用的数据集，在其中提取了相关特征，并对其进行了相关实验。与其他工作相比，取得了最好的成果。在用户推荐系统中，超过了其他方法，HR和NDCG分别提高了8.91%和14.56%左右。此外，在群组推荐系统中，HR和NDCG分别提高了0.68%和9.93%左右。

关键词：群组推荐系统数字网络嵌入相互影响社会影响特征提取

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：