检索结果-南通市图书馆

PMUS-HOSGD张量分解方法及其在标签推荐中的应用

在线全文

学校读者我要写书评

暂无评论

计算机工程 2018年第11期44卷 300-305,312页

作者：杨林顾军华官磊张宇娟彭玉青河北工业大学计算机科学与软件学院天津300400 河北工业大学河北省大数据重点实验室天津300400

目前的标签推荐系统使用张量来存储"用户-资源-标签"三维数据,以挖掘三者之间潜在的语义关联。为更好地解决三维数据的稀疏性问题,避免张量填充造成的数据失真,提出基于标签惩罚机制的张量构建方法PM US和基于随机梯度下降的张量分解方... 详细信息

目前的标签推荐系统使用张量来存储"用户-资源-标签"三维数据,以挖掘三者之间潜在的语义关联。为更好地解决三维数据的稀疏性问题,避免张量填充造成的数据失真,提出基于标签惩罚机制的张量构建方法PM US和基于随机梯度下降的张量分解方法 HOSGD。利用标签惩罚机制和用户评分构建张量,使用随机梯度下降法对张量的展开矩阵进行分解。在此基础上,结合PMUS和HOSGD提出PMUS-HOSGD算法对数据进行处理,根据结果为用户进行个性化标签推荐。在数据集MovieLens上的实验结果表明,与CubeALS、HOSVD和CF算法相比,该算法能够有效提高标签推荐的准确率。

关键词：标签推荐数据稀疏性张量构建张量分解惩罚机制随机梯度下降

在线全文

学校读者我要写书评

暂无评论

融合项目属性和用户兴趣迁移的协同过滤算法

计算机仿真 2022年第5期39卷 304-308,469页

作者：李豆豆汪学明贵州大学计算机与科学技术学院贵州贵阳550000

协同过滤算法作为各种商业推荐技术最常使用的方法之一。然而,由于数据的稀疏性和用户的评分存在单一的相似性,低精度相似度度量降低了推荐系统的性能。针对上述问题,提出了一种协同过滤改进方法。方法基于项目的分类属性,以用户的兴趣... 详细信息

协同过滤算法作为各种商业推荐技术最常使用的方法之一。然而,由于数据的稀疏性和用户的评分存在单一的相似性,低精度相似度度量降低了推荐系统的性能。针对上述问题,提出了一种协同过滤改进方法。方法基于项目的分类属性,以用户的兴趣度量用户的相似度,量化用户的兴趣所发生的动态迁移,构建新的相似度量模型。Movielens测试结果表明,提出的算法缓解了数据稀疏性,优化了最近邻的选取,与传统算法相比有着更高的推荐精度。

关键词：协同过滤项目分类属性相似度度量数据稀疏性用户兴趣变化

在线全文

学校读者我要写书评

暂无评论

基于联合概率矩阵分解的移动社会化推荐

计算机科学 2016年第9期43卷 255-260,265页

作者：熊丽荣刘坚汤颖浙江工业大学计算机科学与技术学院杭州310023

利用移动设备上下文、移动社会化网络等信息进一步提高推荐系统的预测准确率,并缓解可能存在的数据稀疏性和冷启动问题,已经成为移动推荐系统的主要任务。采用基于矩阵分解的因子分析方法,结合用户、服务和用户社会化网络信息进行服务推... 详细信息

利用移动设备上下文、移动社会化网络等信息进一步提高推荐系统的预测准确率,并缓解可能存在的数据稀疏性和冷启动问题,已经成为移动推荐系统的主要任务。采用基于矩阵分解的因子分析方法,结合用户、服务和用户社会化网络信息进行服务推荐,可以缓解数据稀疏性和冷启动问题;同时,为了增加信任矩阵密度,引入间接信任关系,提出了一种符合移动社会化网络特点的信任度计算方法,该方法仅利用移动社会化网络结构信息构建信任矩阵,从而减少用户对信任关系的主动标识。实验结果表明,引入间接信任关系能够提高预测精度,同时比传统的协同过滤算法和已有的一些矩阵分解方法具有更好的预测准确率,特别是在评分数据稀疏的情况下。

关键词：移动推荐社会化推荐矩阵分解信任度数据稀疏性

融合Jensen-Shannon散度的推荐算法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2019年第2期46卷 210-214页

作者：王永王永东邓江洲张璞重庆邮电大学经济管理学院重庆400065 重庆邮电大学计算机科学与技术学院重庆400065

为充分利用所有评分,缓解数据稀疏性问题,将概率统计领域的Jensen-Shannon(JS)散度引入相似性度量中,提出了一种新的项目相似性度量算法。该算法将项目的评分信息转化为评分值密度,并依据评分值的密度分布来计算项目相似性。同时,引入... 详细信息

为充分利用所有评分,缓解数据稀疏性问题,将概率统计领域的Jensen-Shannon(JS)散度引入相似性度量中,提出了一种新的项目相似性度量算法。该算法将项目的评分信息转化为评分值密度,并依据评分值的密度分布来计算项目相似性。同时,引入评分数量因子,进一步提升了基于JS的相似性度量方法的性能。最后,以基于JS的相似性度量方法为基础,设计了相应的协同过滤算法。在MovieLens数据集上的实验结果表明,所提算法在预测误差和推荐准确性方面均有良好的表现。因此,该算法在推荐系统中具有很好的应用潜力。

关键词： Jensen-Shannon散度评分值密度相似性度量协同过滤数据稀疏性

基于slope-one算法改进评分矩阵填充的协同过滤算法研究

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2019年第4期36卷 1064-1067页

作者：向小东邱梓咸福州大学经济与管理学院福州350116

为解决协同过滤算法中的数据稀疏性问题,提出了一种改进的协同过滤算法。该算法使用slope-one算法计算出来的评分预测值来填充评分矩阵中的未评分项目,然后在填充后的用户—项目评分矩阵上通过基于用户的协同过滤方法给出推荐。利用slop... 详细信息

为解决协同过滤算法中的数据稀疏性问题,提出了一种改进的协同过滤算法。该算法使用slope-one算法计算出来的评分预测值来填充评分矩阵中的未评分项目,然后在填充后的用户—项目评分矩阵上通过基于用户的协同过滤方法给出推荐。利用slope-one算法计算出来的评分预测值作为回填值,既能降低评分矩阵的稀疏性,也保证了回填值的多样性,从而减少均值、中值等单一填充值造成的推荐误差。在MovieLens-1M数据集上对该改进算法和协同过滤算法及均值中心化处理的算法作五折交叉实验,结果表明,基于评分预测值填充数据后的协同过滤算法有效地缓解了数据稀疏性问题,并且有更好的推荐效果。

关键词： slope-one算法数据稀疏性协同过滤个性化推荐矩阵填充电影推荐

在线全文

学校读者我要写书评

暂无评论

一种改进的协同过滤推荐算法

河北大学学报（自然科学版） 2020年第1期40卷 77-86页

作者：李昆仑戎静月苏华仃河北大学电子信息工程学院

协同过滤推荐算法是目前个性化推荐系统中应用比较广泛的一种算法,但也同样面临着数据稀疏性、冷启动、可扩展性等问题.本文主要针对数据稀疏性问题和冷启动问题导致的推荐效果不精确,提出了一种改进的数据填充方式和相似度计算方法.首... 详细信息

协同过滤推荐算法是目前个性化推荐系统中应用比较广泛的一种算法,但也同样面临着数据稀疏性、冷启动、可扩展性等问题.本文主要针对数据稀疏性问题和冷启动问题导致的推荐效果不精确,提出了一种改进的数据填充方式和相似度计算方法.首先根据用户评分习惯对用户进行层次聚类,其次利用用户基本信息如年龄初步计算用户之间的相似度,并将共同评分项所占比值作为权重得到用户相似度,最后利用Slope-one算法计算前K个相似用户的填充值,加入相似度的权重以获得最终填充值.计算相似度寻找近邻集时,将用户基本属性作为相似度权重,并且引入Sigmoid函数来添加时间戳对相似度的影响,并得到最终的相似度计算方法.实验结果表明,推荐精度得到了显著提高,数据稀疏性问题和冷启动问题得到了改善.

关键词：协同过滤数据稀疏性相似度 Sigmoid 评分尺度

基于R-树索引的高维相似重复记录检测改进算法

在线全文

学校读者我要写书评

暂无评论

微电子学与计算机 2017年第9期34卷 97-102页

作者：宋国兴周喜马博赵凡中国科学院新疆理化技术研究所新疆乌鲁木齐830011 中国科学院大学北京100049 新疆民族语音语言信息处理实验室新疆乌鲁木齐830011

经典的相似重复记录检测算法SNM算法随着记录维度的增加,投影过程不仅会导致数据丢失,算法的误差率也会明显增大.针对SNM算法的不足,提出DRR算法,利用R-树构建索引保留记录的高维空间特性,通过聚类减少记录在叶子节点中的比较次数提高效... 详细信息

经典的相似重复记录检测算法SNM算法随着记录维度的增加,投影过程不仅会导致数据丢失,算法的误差率也会明显增大.针对SNM算法的不足,提出DRR算法,利用R-树构建索引保留记录的高维空间特性,通过聚类减少记录在叶子节点中的比较次数提高效率,同时改进度量记录相似性的距离算法,避免高维数据稀疏性的影响.最后,通过真实数据在不同维度上分别与SNM算法进行对比,验证了算法的有效性.

关键词： SNM算法 R-树索引高维空间特性改进距离算法数据稀疏性

在线全文

学校读者我要写书评

暂无评论

基于评论和物品描述的深度学习推荐算法

计算机科学 2022年第3期49卷 99-104页

作者：王美玲刘晓楠尹美娟乔猛荆丽娜数学工程与先进计算国家重点实验室(信息工程大学) 郑州450002

评论文本中蕴含着丰富的用户和物品信息,将其应用于推荐算法有助于缓解数据稀疏问题,提高推荐准确度。然而,现有的基于评论的推荐模型对评论文本的挖掘不够充分和有效,并且大多忽视了用户兴趣随时间的迁移和蕴含物品属性的物品描述文档... 详细信息

评论文本中蕴含着丰富的用户和物品信息,将其应用于推荐算法有助于缓解数据稀疏问题,提高推荐准确度。然而,现有的基于评论的推荐模型对评论文本的挖掘不够充分和有效,并且大多忽视了用户兴趣随时间的迁移和蕴含物品属性的物品描述文档,使得推荐结果不够准确。基于此,文中提出了一种基于深度语义挖掘的推荐模型(Deep Semantic Mining based Recommendation,DSMR),通过深度挖掘评论文本和物品描述文档的语义信息,更精确地提取用户特征和物品属性特征,从而实现更准确地推荐。首先,所提模型利用BERT预训练模型来处理评论文本和物品描述文档,深度挖掘用户特征和物品属性,有效缓解了数据稀疏和物品冷启动问题;然后,利用前向LSTM来关注用户偏好随时间产生的变化,得到了更精确的推荐;最后,在模型训练阶段,将实验数据按1~5分1∶1∶1∶1∶1等量随机抽取,保证每个分值的数据量相等,使结果更加准确,模型鲁棒性更强。在4个常用的亚马逊公开数据集上进行实验,结果表明,以均方根误差为评价指标,DSMR推荐结果的误差比2个仅基于评分数据的经典推荐模型至少平均降低了11.95%,同时优于基于评论文本的3个最新推荐模型,且比其中最优的模型平均降低了5.1%。

关键词：推荐算法深度学习评论文本物品描述数据稀疏性冷启动

融入音乐子人格特质和社交网络行为分析的音乐推荐方法

在线全文

学校读者我要写书评

暂无评论

电信科学 2015年第10期31卷 115-123页

作者：琚春华黄治移鲍福光浙江工商大学现代商贸研究中心杭州310018 浙江工商大学计算机与信息工程学院杭州310018 浙江工商大学工商管理学院杭州310018

为了可以实时推荐符合人们情感状态的音乐,提出了一种融入音乐子人格特质的社交网络行为分析的音乐推荐算法,该算法通过分析用户发表在微博等社交媒体上的状态,计算用户在该情感状态下对音乐的偏好程度;选择在该情感状态下音乐偏好相似... 详细信息

为了可以实时推荐符合人们情感状态的音乐,提出了一种融入音乐子人格特质的社交网络行为分析的音乐推荐算法,该算法通过分析用户发表在微博等社交媒体上的状态,计算用户在该情感状态下对音乐的偏好程度;选择在该情感状态下音乐偏好相似的最近邻用户,最后融入音乐子人格特质进行偏好度计算,为用户推荐最适合其情感状态的音乐。实验结果表明,该算法可以缓解用户数据稀疏性对推荐结果的影响,能够提高推荐系统的推荐质量。

关键词：音乐推荐音乐子人格社交网络情感分析数据稀疏性