检索结果-南通市图书馆

一种结合显式特征和隐式特征的开发者混合推荐算法

在线全文

学校读者我要写书评

暂无评论

软件学报 2022年第5期33卷 1635-1651页

作者：于旭何亚东杜军威王昭哲江峰巩敦卫青岛科技大学信息科学技术学院山东青岛266061 中国矿业大学信息与电气工程学院江苏徐州221116

现有开发者推荐算法通过对任务和开发者的显式信息进行挖掘,抽取任务和开发者的显式特征,完成针对任务的开发者推荐.然而,由于显式信息中的描述信息是主观的,往往是不精确的,现有基于显式特征的开发者推荐算法性能不够理想.众包软件开... 详细信息

现有开发者推荐算法通过对任务和开发者的显式信息进行挖掘,抽取任务和开发者的显式特征,完成针对任务的开发者推荐.然而,由于显式信息中的描述信息是主观的,往往是不精确的,现有基于显式特征的开发者推荐算法性能不够理想.众包软件开发平台除包含大量不精确的描述信息外,还包含客观的、较准确的“任务—开发者”成绩信息,可以有效地推断任务和开发者的隐式特征.考虑到隐式特征作为显式特征的补充,将有效缓解描述信息不精确的难题,提出一种结合显式特征和隐式特征的开发者混合推荐算法.首先,利用任务和开发者的平台可见信息充分提取显式特征,提出面向显式特征的因子分解机(FM)推荐模型建模任务、开发者显式特征和相应评分的映射关系.然后,利用“任务—开发者”成绩矩阵提取隐式特征,提出面向隐式特征的矩阵分解(MF)推荐模型.最后,融合面向显式特征的FM推荐模型和面向隐式特征的MF推荐模型,提出多层感知器融合算法.进一步,针对冷启动问题,首先,基于历史数据,构建多层感知器模型建模显式特征到隐式特征的映射关系.然后,针对冷启动任务或冷启动开发者,通过任务或开发者的显式特征求解相应的隐式特征.最后,基于已训练好的多层感知器融合算法预测评分.在Topcoder软件众包平台的仿真实验表明本文算法相对于对比算法在4种不同测试指标上具有明显的优势.

关键词：软件众包开发开发者推荐混合推荐算法冷启动难题多层感知器融合模型因子分解机

在线全文

学校读者我要写书评

暂无评论

混合推荐算法在电商相关领域的应用研究

电脑知识与技术 2023年第34期19卷 4-8,12页

作者：黄玉盛祝迎春丽水职业技术学院浙江丽水323000

随着5G移动通信技术、虚拟现实和增强现实等技术的应用与普及,电商相关领域中传统的单一推荐算法在应对日益增长的结构与非结构数据、多源数据的融合和用户需求多样等方面逐渐显露出不足之处。结合电商相关领域的现有特点与难点来进行... 详细信息

随着5G移动通信技术、虚拟现实和增强现实等技术的应用与普及,电商相关领域中传统的单一推荐算法在应对日益增长的结构与非结构数据、多源数据的融合和用户需求多样等方面逐渐显露出不足之处。结合电商相关领域的现有特点与难点来进行推荐算法的选择和优化改进,混合推荐算法应运而生。首先,分析了传统单个基于二部图网络的、基于知识图谱的和基于神经网络推荐算法的特征和优缺点;其次,总结梳理了以上三种类型的混合推荐算法在电商相关领域的研究现状;最后,指出混合推荐算法在电商相关领域应用中遇到的困境、不足和未来应用研究方向,以期为混合推荐算法在电商相关领域的深入应用提供有力支持。

关键词：混合推荐算法电商相关领域二部图网络知识图谱神经网络

在线全文

学校读者我要写书评

暂无评论

基于混合推荐算法的电影推荐系统设计与实现

基于混合推荐算法的电影推荐系统设计与实现

作者：任富军阜阳师范大学

学位级别：硕士

随着社会科技的进步以及互联网行业的飞速发展,信息过载的大数据时代已经到来,作为解决信息过载的方法之一,推荐技术已经融入了人们的生活之中。推荐算法自诞生以来,并不是完美无缺的,传统的推荐算法存在着或多或少的不足,比如传统的推... 详细信息

随着社会科技的进步以及互联网行业的飞速发展,信息过载的大数据时代已经到来,作为解决信息过载的方法之一,推荐技术已经融入了人们的生活之中。推荐算法自诞生以来,并不是完美无缺的,传统的推荐算法存在着或多或少的不足,比如传统的推荐算法通常会存在数据稀疏性、冷启动,推荐精度不高等问题,为了降低这些问题对推荐系统带来的不足,研究学者和专家通过不同的研究来改善以及优化不同的算法,弥补原始算法的缺陷。本文针对传统协同过滤算法中数据稀疏性以及推荐准确度不高等问题,展开了相应地研究,本文主要的研究内容和贡献如下。(1)调研发现在部分的电影推荐系统中存在着热门电影经常会高频次的推荐给用户,影响了部分用户对非热门电影的选择问题,于是本文在用户相似度的计算中,加入了惩罚项来解决这种问题;在传统的协同过滤算法中没有考虑到用户的兴趣爱好会随着时间的变化而发生变化,于是本文在用户相似度的计算中加入了时间因子来缓解这种现象。通过实验数据表明,对比传统的协同过滤算法,本文改进算法的Precision值和Recall值提高了6%和5%左右,MAE值降低了3%～4%左右。(2)研究发现传统矩阵分解算法中经常由于矩阵数据稀疏问题导致推荐效果差,于是本文改进了矩阵分解算法中矩阵填充的方式,首先用优化后的SVD算法初次填充原始用户评分矩阵,然后融入项目属性构建新的矩阵,最后使用优化后的slope one算法进行二次填充。对比传统协同过滤算法,本文改进了矩阵填充方式后的算法Precision值和Recall值大约提高10%和11%～12%左右,MAE值大约降低了4%～7%左右。(3)针对单一的K-means聚类算法聚类效果不佳等问题,本文将K-means聚类算法和鼠群优化算法相结合,得到了融合K-means聚类算法和鼠群优化的算法(KRSO),对比单一K-means聚类算法,本文所融合KRSO算法聚类效果更好。本文结合了机器学习中KRSO算法和Light GBM算法的优点,将集成机器学习和协同过滤算法以及矩阵分解进行了混合,构造成混合推荐算法,通过实验表明,相比单一算法进行推荐,混合模型推荐效果更好,相比于传统的协同过滤算法,本文最终改进算法的Precision值大约提高15%左右,Recall值提升大约18%左右,MAE值降低了10%左右。(4)本文基于Django设计开发了一个电影推荐系统,实现了管理员和用户的相关功能,在开发过程中,本文发现部分学者忽略了用户密码的安全性问题,于是本文在用户密码登录时加入了RSA算法对用户密码进行保护,进一步保障了用户的信息安全。

关键词：协同过滤算法矩阵分解算法机器学习混合推荐算法电影推荐

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的混合推荐算法研究

基于深度学习的混合推荐算法研究

作者：韩厚畴吉林大学

学位级别：硕士

互联网除了将来自世界各地的人紧密联系起来,还极大地改变了人们的生活和工作方式。随着人们通过互联网能够获取的信息和资源越来越多,信息过载的问题也日益严重。推荐系统是解决该问题的最有效的方式之一,它通过收集用户对条目的显式... 详细信息

互联网除了将来自世界各地的人紧密联系起来,还极大地改变了人们的生活和工作方式。随着人们通过互联网能够获取的信息和资源越来越多,信息过载的问题也日益严重。推荐系统是解决该问题的最有效的方式之一,它通过收集用户对条目的显式反馈和隐式反馈,用以学习用户的偏好,使用户能够快速地检索出感兴趣的内容。而推荐算法是推荐系统的核心模块,决定了整个系统性能的好坏。混合推荐算法是目前常用的推荐算法,这类算法最重要的原则是通过将多种类型的推荐算法组合,用以避免各自算法的弱点,从而使推荐结果更为准确。常见的混合推荐算法还存在一些问题需要解决:例如,使用了深度神经网络的混合推荐算法虽然可以学习到高阶特征组合信息,但是直接用来处理稠密的数值型特征比较困难;使用了梯度提升决策树的混合推荐算法虽然可以很好的处理稠密的数值型特征,并且有一定的可解释性和特征选择能力,但很难去在线更新和处理海量数据。针对上述问题,本文主要开展了如下研究,提出两个模型:(1)本文提出了一个混合推荐模型LFDNN(Light GBM-FM-DNN),该模型由四个模块组成:Light GBM(Light Gradient Boosting Machine)模块将梯度提升决策树应用于模型的特征处理部分,提升了模型处理稠密的数值型特征的能力;浅层模块引入了FM模型来显式地对特征组合进行建模,加强了模型的表达能力;深度神经网络模块,使用全连接的前馈神经网络,让模型获取更多高阶特征组合信息,挖掘出特征中更多的数据模式;融合模块,让浅层模型和深层模型获得更好的融合效果。我们在两个真实数据集上分别进行了模型对比实验、参数对模型影响实验和消融实验,验证了所提出模型的有效性。(2)本文还提出了另一个混合推荐模型TKDDNN(Tree-KnowledgeDistillation-DNN),该模型分为并行的两个模块:GBDT模块利用梯度提升决策树来处理稠密的数值特征,让模型可以从稠密的数值型特征中学习到更多信息,同时结合知识蒸馏技术,将梯度提升决策树中得到的树转换成神经网络输出,以适应在线更新和大规模数据;LFDNN2模块是用一个独立的混合推荐模型作为TKDDNN的子部分,浅层部分使用域感知的因子分解机来进一步加强特征交叉的能力,深层部分使用深度神经网络,用来处理稀疏的类别特征。我们在两个广告数据集进行模型对比实验,验证了模型的有效性。

关键词：推荐系统混合推荐算法深度学习梯度提升决策树知识蒸馏

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多目标优化的混合推荐算法研究与应用

基于多目标优化的混合推荐算法研究与应用

作者：徐荣安桂林理工大学

学位级别：硕士

随着信息化时代的到来,网络信息量呈指数性的增长,如何让用户在海量的信息中精准的获取自己想要的信息已经成为了大家的共识,推荐系统的出现在一定程度上解决了这个问题。但是由于用户需求的日益多样化,仅以准确度作为推荐系统的评价指... 详细信息

随着信息化时代的到来,网络信息量呈指数性的增长,如何让用户在海量的信息中精准的获取自己想要的信息已经成为了大家的共识,推荐系统的出现在一定程度上解决了这个问题。但是由于用户需求的日益多样化,仅以准确度作为推荐系统的评价指标已经不足以满足用户的需求,本课题将推荐的准确率、多样性和新颖度等指标作为推荐的评价标准,将多目标优化算法和混合推荐算法结合,充分利用不同推荐算法的优势,为用户提供更优的推荐列表。本文的主要工作包括:（1）针对NSGA-III算法收敛性较低、多样性不足的问题,对算法中的变异算子进行改进,将个体的适应度值引入突变概率,引导个体朝着更好的方向发展。根据不同变异算子对收敛性和多样性的侧重不同,在迭代的不同时期采用不同的变异算子,以获取综合性能更好的算子,优化NSGA-III算法的性能。在DTLZ系列标准测试函数上的实验结果表明,改进变异算子的NSGA-III算法表现出了更好的性能。（2）多目标优化推荐模型的构建与应用。将基于用户的推荐、基于物品的推荐和基于矩阵分解推荐算法用并行式的方法进行混合,生成候选推荐列表。为了满足用户的个性化需求,将推荐的推荐率、多样性和新颖度作为目标函数,使用多目标优化算法NSGA-III优化推荐列表,最后从候选推荐列表中选择最优的推荐列表进行推荐。以推荐的准确率、多样性和新颖度等指标作为推荐算法的评价标准,在Filmtrust和Movielens数据集上进行仿真实验,将基于多目标优化的混合推荐算法与基于用户的推荐、基于物品的推荐和基于矩阵分解推荐算法进行实验对比,实验结果表明,在推荐效果方面,本文算法具有更高的推荐指数,能产生更符合用户需求的推荐列表。

关键词：推荐算法多目标优化算法混合推荐算法变异算子 NSGA-Ⅲ

基于倒摄抑制理论的混合推荐算法的研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于倒摄抑制理论的混合推荐算法的研究与实现

作者：杨霓虹北京邮电大学

学位级别：硕士

伴随着互联网和物联网的发展,信息的生产和获取方式变得更加多样和便捷。而在这海量信息构成的“信息过载”的时代,推荐算法的出现,无疑为用户和企业带来了极大的便利和好处。但伴随着逐渐复杂的应用场景,传统推荐算法的推荐质量高度受... 详细信息

伴随着互联网和物联网的发展,信息的生产和获取方式变得更加多样和便捷。而在这海量信息构成的“信息过载”的时代,推荐算法的出现,无疑为用户和企业带来了极大的便利和好处。但伴随着逐渐复杂的应用场景,传统推荐算法的推荐质量高度受限于数据集的稀疏程度,同时该类算法也难以根据用户的兴趣变化过程提供准确的推荐。为了解决传统推荐算法的数据稀疏问题和用户兴趣变化感知问题,本文设计并实现了一种基于认知心理学中倒摄抑制理论的混合推荐算法,主要工作如下:(1)针对传统推荐算法受限于数据稀疏程度进而影响算法准确性的问题,本文使用了基于目标的嵌入模型来生成物品嵌入向量作为原数据集中物品的隐式表示方式,提高了物品表示的语义信息含量,缓解由数据集稀疏带来的算法准确性问题;(2)针对传统推荐算法无法感知用户兴趣变化的问题,本文引入了认知心理学中的倒摄抑制理论,构建了基于倒摄抑制理论的用户偏好模型,赋予该类算法感知用户兴趣变化的能力;(3)最后通过“特征补充式”的混合方式将前两者算法过程融合得到本文的混合推荐算法。此外,基于上述提出的推荐算法,本文设计并实现了一个电影推荐原型系统,对算法进行可视化展示以及为用户提供基础的推荐服务。最后,本文对提出的混合推荐算法在公开数据集上进行了实验,实验结果显示在评分预测的推荐场景中,本文提出的算法比测试的传统推荐算法的评分预测误差降低约9%。同时,本文设计与实现的电影推荐原型系统也能正常对算法结果进行展示以及提供推荐服务。

关键词：混合推荐算法兴趣变化嵌入模型倒摄抑制电影推荐

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于混合推荐算法的电影推荐研究

信息与电脑 2022年第9期34卷 166-168页

作者：魏子钦单豫洲梁艳美安阳工学院河南安阳455000 中易康复辅具服务有限责任公司河南安阳455000

面对数以万计的影视作品,相关人员难以根据不同的群体进行良好的推荐。电影推荐系统产生于互联网时代,用以帮助人们在电影信息大规模增长背景下寻找需要的信息或商品。基于混合推荐算法的电影推荐系统有利于缩短用户搜索信息的时间,提... 详细信息

面对数以万计的影视作品,相关人员难以根据不同的群体进行良好的推荐。电影推荐系统产生于互联网时代,用以帮助人们在电影信息大规模增长背景下寻找需要的信息或商品。基于混合推荐算法的电影推荐系统有利于缩短用户搜索信息的时间,提高用户的搜索效率。为更好地满足用户的个性化需求,采用协同过滤算法与基于内容的推荐算法相融合的混合推荐算法,向用户推荐最符合用户要求的影片。

关键词：协同过滤算法混合推荐算法电影推荐系统

基于协同过滤与内容的混合推荐算法在云声乐教学方面的应用

在线全文

学校读者我要写书评

暂无评论

工业控制计算机 2022年第10期35卷 141-142,145页

作者：刘旭赵舒畅邵明珠聊城大学东昌学院数学与信息工程系山东聊城252000 聊城大学东昌学院外国语系山东聊城252000 中国石油大学(华东)控制科学与工程学院山东青岛266580

为解决目前存在的云声乐学习需求,同时提供便捷、经济、个性化的服务,介绍了一项云声乐教学平台。在该应用背景下,描述了通过Scrapy爬虫框架、Web前端与Laravel框架的数据交互、云服务器配置、嵌入式开发等技术具体的实现方案。同时采... 详细信息

为解决目前存在的云声乐学习需求,同时提供便捷、经济、个性化的服务,介绍了一项云声乐教学平台。在该应用背景下,描述了通过Scrapy爬虫框架、Web前端与Laravel框架的数据交互、云服务器配置、嵌入式开发等技术具体的实现方案。同时采用混合推荐算法,计算用户和标记物的权值矩阵、两者间的相似度,进而实现个性化推荐,完成整个云声乐教学系统的搭建。

关键词：混合推荐算法 Laravel Scrapy爬虫协同过滤

基于XLNet-BiLSTM模型的个性化混合推荐算法

在线全文

学校读者我要写书评

暂无评论

数字技术与应用 2023年第3期41卷 50-51,61页

作者：李凯月东北大学理学院数学系

本文简略阐述了个性化推荐系统的实际情况,介绍了个性化混合推荐算法下的混合推荐策略,并基于XLNet-Bi LSTM模型进行了用户对物品属性偏好建模,在此基础上提出了个性化混合推荐系统建设方法,旨在为相关研究人员提供参考,实现对于各种算... 详细信息

本文简略阐述了个性化推荐系统的实际情况,介绍了个性化混合推荐算法下的混合推荐策略,并基于XLNet-Bi LSTM模型进行了用户对物品属性偏好建模,在此基础上提出了个性化混合推荐系统建设方法,旨在为相关研究人员提供参考,实现对于各种算法优势的有机结合,弥补以往单一算法的局限性,切实提升模型构建成效,为用户提供更加优质的推荐方案,以充分同用户的个性化要求相适应。

关键词：个性化推荐系统混合推荐算法推荐策略混合推荐系统个性化要求物品属性提升模型