检索结果-南通市图书馆

面向稀疏数据的加权slope one算法改进研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向稀疏数据的加权slope one算法改进研究

作者：刘金梅南昌航空大学

学位级别：硕士

随着信息技术不断发展,产生的数据量越来越多,人们如何快速而准确的找到感兴趣的信息变得越来越困难,而推荐系统能有效解决该问题。但是,推荐系统持续发展的同时依然面临许多问题,如数据稀疏性问题、冷启动问题等。本文主要以加权slope ... 详细信息

随着信息技术不断发展,产生的数据量越来越多,人们如何快速而准确的找到感兴趣的信息变得越来越困难,而推荐系统能有效解决该问题。但是,推荐系统持续发展的同时依然面临许多问题,如数据稀疏性问题、冷启动问题等。本文主要以加权slope one算法为研究基础。加权slope one算法是协同过滤算法的一种,其主要依靠项目评分数值差,采用线性方式进行预测。此方法计算简洁,但是在数据稀疏时效果较差,因此针对加权slope one算法存在的问题以及数据稀疏性问题,本文进行如下研究:（1）加权slope one算法仅仅考虑评分用户数量对结果的影响,并没有考虑用户或项目自身内在联系,因此,本文考虑用户相似度对结果的影响。此外,由于传统相似度计算方式如皮尔逊相关系数、余弦相似度等,在计算相似度时主要依赖用户共同评分,当共同评分很少甚至没有时,此时运用传统相似度计算方式取得的结果较差,因此,本文提出一种融合巴氏系数的加权slope one算法（BCWSOA）。从两方面进行改进:一是利用巴氏系数改进用户相似度,首先使用巴氏系数分析用户相关性计算出全局相似度,再与传统相似度计算方法加权融合,得到最终用户相似度;二是利用巴氏系数优化预测评分公式,用巴氏系数计算项目相似度,并将其作为权重因子优化预测评分公式。（2）针对加权slope one算法中数据稀疏性问题,常用的解决方法有矩阵填充。目前,大多数填充是采用数据的平均数、中位数和众数等方式。虽然可以缓解数据稀疏问题,但是这些填充方法未考虑用户和项目本身特性,未考虑用户评分易受主观性以及环境等其他因素的影响,从而导致用户对项目的评分不准确。由于项目属性是固定不变的,因此,可以根据用户对项目属性的偏好,间接体现用户对项目的喜好,故本文提出一种新的评分矩阵填充方法。首先计算用户对项目属性的偏好值,再联合用户平均评分,最后填充评分矩阵。基于填充后的评分矩阵,又考虑到用户兴趣爱好随时间动态变化,于是引入时间因子变量,故第四章提出一种基于评分矩阵填充和时间因子的加权slope one算法（FTWSOA）。本文算法以加权slope one算法为基准,为验证提出的BCWSOA和FTWSOA两种算法,通过在Movie Lens数据集上实验,结果表明:BCWSOA和FTWSOA两种算法相比于其他算法在MAE和RMSE两个指标上均有更好的效果。

关键词：加权slope one算法稀疏性巴氏系数矩阵填充时间因子

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合巴氏系数的加权slope one算法

计算机技术与发展 2020年第11期30卷 74-79页

作者：刘金梅舒远仲张尚田唐小敏刘文祥南昌航空大学信息工程学院江西南昌330063

针对用户共同评分很少甚至没有时,传统相似度计算性能较差的问题,以及传统加权slope one算法在进行预测评分时未考虑项目相似度对预测结果的影响,提出一种融合巴氏系数的加权slope one算法(BCWSOA)。该算法主要针对上述两个问题进行改进... 详细信息

针对用户共同评分很少甚至没有时,传统相似度计算性能较差的问题,以及传统加权slope one算法在进行预测评分时未考虑项目相似度对预测结果的影响,提出一种融合巴氏系数的加权slope one算法(BCWSOA)。该算法主要针对上述两个问题进行改进,一是利用巴氏系数对用户相似度进行改进。首先用皮尔逊相关系数计算用户局部相似度,Jaccard相似性计算用户全局相似度,巴氏系数分析用户相关性,然后将巴氏系数作为权重因子优化用户局部相似度,最后使用参数α组合优化用户局部相似度和用户全局相似度,从而获得融合相似度。参数α用来凸显不同相似度在融合相似度中的权重;二是利用巴氏系数改进预测评分,考虑项目相似度对预测结果的影响,计算项目相似度并将其作为权重改进加权slope one算法预测评分公式。通过在MovieLens100k数据集上的实验表明,相比于其他算法,提出的BCWSOA算法准确度有所提高。

关键词：巴氏系数加权slope one算法相似度 BCWSOA 评分预测

基于评分填充和时间的加权slope one算法

在线全文

学校读者我要写书评

暂无评论

计算机技术与发展 2021年第1期31卷 35-42页

作者：刘金梅舒远仲张尚田南昌航空大学信息工程学院江西南昌330063

针对数据稀疏性,常用的评分矩阵填充方法主要是通过平均数、中位数等进行填充,该文提出一种新的评分矩阵填充方法。利用项目-属性矩阵计算用户对项目属性偏好,由于每个项目都有各自属性,从而可以获得用户对项目的偏好值,以用户平均评分... 详细信息

针对数据稀疏性,常用的评分矩阵填充方法主要是通过平均数、中位数等进行填充,该文提出一种新的评分矩阵填充方法。利用项目-属性矩阵计算用户对项目属性偏好,由于每个项目都有各自属性,从而可以获得用户对项目的偏好值,以用户平均评分为基准,实现对评分矩阵填充。基于填充后的评分矩阵,又考虑到用户兴趣爱好随时间会发生改变,因此引入时间因子,提出一种基于评分矩阵填充和时间因子的加权slope one算法(FTWSOA)。通过时间函数修正评分矩阵,优化的评分数据可以更好地体现用户兴趣爱好随时间变化的情况。在时间加权的评分矩阵下,计算出属性兴趣偏好,在共同评分很少甚至没有时,利用属性兴趣偏好可以较为准确地计算用户相似度。由于在共同很少或者没有时,原始评分矩阵中用户没有交集,而在属性兴趣矩阵下用户会存在交集,因此,使用参数λ将填充矩阵下的用户相似度和属性兴趣偏好矩阵下的用户相似度相结合得到最终的用户相似度,可以缓解在稀疏数据下相似度计算性能差的问题,最后使用加权slope one预测评分时,将时间衰减函数加入到预测公式中来优化预测评分公式。通过在MovieLens100k数据集上的实验表明,相比于其他算法,FTWSOA算法准确度有所提高。

关键词：矩阵填充加权slope one算法时间因子 FTWSOA 评分预测

基于图嵌入的用户加权slope one算法

在线全文

学校读者我要写书评

暂无评论

计算机与现代化 2020年第8期 69-75页

作者：钟志松彭清桦吴广潮华南理工大学数学学院广东广州510640

针对传统slope one推荐算法在稀疏数据集上预测准确率较低的问题,提出一种基于图嵌入的加权slope one算法。本文算法首先以融合时间信息的用户相似度为边权建立用户关联图,对该图进行图嵌入得到用户特征向量,然后基于Canopy聚类对用户... 详细信息

针对传统slope one推荐算法在稀疏数据集上预测准确率较低的问题,提出一种基于图嵌入的加权slope one算法。本文算法首先以融合时间信息的用户相似度为边权建立用户关联图,对该图进行图嵌入得到用户特征向量,然后基于Canopy聚类对用户进行类内加权slope one推荐。另外,为优化算法性能,本文算法基于Spark计算框架实现。实验结果表明,对比传统的加权slope one,本文算法在稀疏数据集和显式、隐式评分数据集上的推荐效果和评分预测准确率都更优。

关键词：图嵌入时间信息 Canopy聚类加权slope one算法 Spark

基于改进的加权slope one协同过滤推荐算法研究

在线全文

学校读者我要写书评

暂无评论

基于改进的加权Slope one协同过滤推荐算法研究

作者：王潘潘昆明理工大学

学位级别：硕士

互联网的快速发展以及电子商务的不断壮大,如何处理信息过载的问题成为研究热点。面对杂乱文章的信息,如何从大量信息中找出自己感兴趣的信息变得十分浪费时间和精力,基于此,推荐系统应运而生。在没有确切的浏览目的情境下,推荐系统能... 详细信息

互联网的快速发展以及电子商务的不断壮大,如何处理信息过载的问题成为研究热点。面对杂乱文章的信息,如何从大量信息中找出自己感兴趣的信息变得十分浪费时间和精力,基于此,推荐系统应运而生。在没有确切的浏览目的情境下,推荐系统能够帮助用户找到自己感兴趣的内容,所以在具体的应用中获得了比较大的成功。目前推荐系统在电子商务网站,电影,视频网站,音乐网络电台,社交网络等方面应用广泛,例如国外的亚马逊、Netfix、CDNow和国内的淘宝网、当当网、豆瓣等。然而人们对项目的需求一般是模糊和不稳定的,因此研究出高准确率的算法和能捕捉到用户的实际需求的推荐系统,这些需求对探索推荐算法的计算机研究者们提出了比较高的要求。协同过滤推荐是现有的最成功的推荐技术之一,但是数据稀疏性问题导致其推荐效率低,推荐准确度不高。针对数据稀疏问题,本文基于协同过滤算法和加权slope one算法,提出了一种基于Mahout的改进的加权slope one协同过滤推荐算法。算法首先根据用户-项目评分数据,计算用户与用户之间的评分相似度,找出每个用户的最近邻居集合,然后根据最近邻用户评分,使用改进的加权slope one算法预测目标用户的未评分项目,最后进行推荐。实验部分采用MovieLens数据集作为测试数据。实验结果表明,和原算法相比,该算法提高了预测准确度,有效提高了推荐性能。简而言之,本论文针对现有推荐系统中常用的协同过滤推荐算法,对协同过滤推荐算法和slope one算法进行了分析对比,在了解现今的研究状况和分析协同过滤算法的优劣基础上,提出基于加权slope one算法的协同过滤算法作为本文的研究重点,并通过基础算法和改进算法的对比实验,验证算法优劣。

关键词：推荐算法协同过滤算法加权slope one算法数据稀疏性

融合用户模糊聚类和相似度的加权slope one优化

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机与现代化 2021年第1期 70-75页

作者：石朋姚文明王祥中国电子科技集团公司第十五研究所北京100083 中国农业银行研发中心北京100071

在数据集稀疏的情况下传统的slope one算法推荐效果差、精确度低,并且该算法对所有用户一视同仁,没有考虑用户间相似性和差异性的情况;同时,随着数据量越来越大,实时性也逐渐变差。针对以上问题,进行加权slope one算法优化的研究。首先... 详细信息

在数据集稀疏的情况下传统的slope one算法推荐效果差、精确度低,并且该算法对所有用户一视同仁,没有考虑用户间相似性和差异性的情况;同时,随着数据量越来越大,实时性也逐渐变差。针对以上问题,进行加权slope one算法优化的研究。首先,利用模糊聚类技术将不同类型用户进行分类,减少最近邻搜索范围,降低计算复杂度;然后,对加权slope one计算公式进行改进,在计算中引入皮尔逊相关系数加以限定;最后,在每个类簇中利用改进的加权slope one算法进行用户评分预测,进而产生推荐集。实验表明,本文算法有效提高了推荐精确度,增强了推荐实时性。

关键词：协同过滤加权slope one算法模糊聚类推荐算法