检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

加入标签迁移的跨领域项目推荐算法

计算机科学 2019年第10期46卷 1-6页

作者：葛梦凡刘真王娜娜田靖玉北京交通大学计算机与信息技术学院

大多数推荐算法常采用基于迁移学习的跨领域推荐技术,借助辅助领域的丰富数据信息来解决传统单域推荐中普遍存在的数据稀疏等问题。但若迁移的知识比较单一,没有结合用户行为,则往往会在目标领域导致负迁移、推荐结果不佳等问题。因此,... 详细信息

大多数推荐算法常采用基于迁移学习的跨领域推荐技术,借助辅助领域的丰富数据信息来解决传统单域推荐中普遍存在的数据稀疏等问题。但若迁移的知识比较单一,没有结合用户行为,则往往会在目标领域导致负迁移、推荐结果不佳等问题。因此,考虑结合其他知识来辅助完成目标领域的学习任务。利用用户异构行为改善推荐结果,正是近年来的新兴研究热点之一。在用户数据中,标签与用户的真实偏好相关,通常能够反映用户或项目的部分隐式特征。通过结合迁移学习及用户标签数据,文中提出了基于标签迁移的跨领域项目推荐算法ITTCF(Item-based Tag Transfer Collaborative Filtering)。该算法摒弃了在跨领域迁移推荐中仅对评分模式进行挖掘迁移的单一辅助方式,将用户行为反馈与数字评分相结合,融合了评分模式和标签这两种异构用户行为。在多个数据集中的实验结果均表明,ITTCF具有更好的RMSE和MAE值,较传统算法分别提升了1.61%~6.67%和1.97%~8.83%。

关键词：迁移学习跨领域推荐标签基于项目的协同过滤

在线全文

学校读者我要写书评

暂无评论

基于协同过滤的个性化推荐算法研究

基于协同过滤的个性化推荐算法研究

作者：李昂电子科技大学

学位级别：硕士

随着互联网技术的研究与发展、互联网应用广泛推广,全球的数据量正在以指数级的速率增长,信息过载的现象越来越严重,为了更加有效地使用这些互联网数据,推荐系统已经广泛运用到网购、音像、电子书报杂志、信息检索、新闻等领域中。一个... 详细信息

随着互联网技术的研究与发展、互联网应用广泛推广,全球的数据量正在以指数级的速率增长,信息过载的现象越来越严重,为了更加有效地使用这些互联网数据,推荐系统已经广泛运用到网购、音像、电子书报杂志、信息检索、新闻等领域中。一个互联网应用或者说互联网产品的推荐系统的优劣,甚至会影响这款产品的用户粘性。作为推荐系统的核心组成部分,推荐算法在整个系统中举足轻重的地位也就不言而喻了。作为一种简单、高效的算法,协同过滤技术已经成为现在市场中最主流也是最成功的一种技术,但是该技术仍然存在许多待解决的问题,例如:用户稀疏性导致的推荐性能大幅下降、冷启动问题以及传统算法中没有考虑用户的偏好的变化等问题。针对上述传统协同过滤中的不足之处,本文对其进行深入学习与讨论,包括:传统基于用户和项目的算法的研究与分析、分析一种基于用户与内容项目的混合协同过滤技术以及基于逐步遗忘的协同过滤技术的研究等。在学习与分析前人的研究结果的前提下,作者对于该技术进行了更深入的研究,以下是本文研究内容概要:1.概述个性化推荐系统的研究背景;分别介绍个性化推荐相关的数据挖掘、信息过滤等技术;分析常用的几种协同过滤算法的推荐过程及各自的优缺点;最后比较分析不同个性化推荐算法的优缺点;最后论述现阶段推荐系统存在的问题,为下一步的改进算法实验做铺垫;2.对于传统协同过滤技术进行分析研究,并进行相应的工程实现,得到的数据留存,与接下来提出的改进算法的结果做比较分析;3.提出一种基于用户-项目的混合协同过滤改进技术,减少数据稀疏对相似度计算的影响,并与传统协同过滤结果进行比较分析,验证该算法在推荐结果上的改进之处;4.考虑逐渐遗忘对于用户评分的影响,研究遗忘曲线在个性化推荐中的作用提出一种基于逐步遗忘的协同过滤改进算法,并与传统协同过滤结果进行比较分析,验证该算法在推荐结果上的改进之处。

关键词：个性化推荐基于用户的协同过滤基于项目的协同过滤混合协同过滤遗忘曲线

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Spark的并行推荐算法的研究与实现

基于Spark的并行推荐算法的研究与实现

作者：郑凤飞西南交通大学

学位级别：硕士

随着互联网的迅猛发展,信息技术与经济社会的交融碰撞,引发了数据迅猛增长,显然我们已经进入了大数据时代。大数据时代在带来资讯极度丰富的同时也使得用户在面对海量数据时需要花费大量的时间去筛选自己真正需要的信息,信息超载的现象... 详细信息

随着互联网的迅猛发展,信息技术与经济社会的交融碰撞,引发了数据迅猛增长,显然我们已经进入了大数据时代。大数据时代在带来资讯极度丰富的同时也使得用户在面对海量数据时需要花费大量的时间去筛选自己真正需要的信息,信息超载的现象越来越明显。协同过滤算法作为解决信息超载的关键技术之一,虽然被广泛应用于视频音乐网站、电子商务等多个领域,但是仍然存在着预测准确度不理想、冷启动等问题。同时,面对日益增加的数据量,传统的协同过滤算法出现了可扩展性问题,无法满足海量数据的计算需求,分布式并行计算框架的出现为解决该问题提供了新的思路。Spark是新兴的通用并行计算框架,借助其内存计算的优势,成为近两年大数据处理领域的研究重点。本文拟研究协同过滤算法,针对其预测准确度不理想、冷启动等问题进行改进,并将改进算法在Spark平台下进行并行化设计与实现,从而进一步解决算法的可扩展性问题。主要工作包括以下几个方面：(1)分析了协同过滤中基于项目、Slope One算法的基本原理和具体计算流程以及算法存在的不足。(2)针对基于项目的协同过滤算法存在的项目冷启动以及评分数据稀疏情景下预测准确度不高的问题,本文引入了项目属性特征相似度。在计算项目相似度时将项目属性特征相似度与评分相似度进行组合,以此来减少数据稀疏对相似度计算的负面影响。实验结果表明,本文的改进算法相比传统方法预测准确度更高,并且在评分矩阵稀疏的情景下,效果更明显。(3)针对Slope One算法在预测评分时仅仅依赖用户对不同项目的评分差异而没有考虑项目以及用户间相似性的问题,本文通过引入用户项目之间的相关性以及项目之间的相似度对算法做了改进。实验结果表明,改进的Slope One算法相比传统方法提高了预测的准确度。(4)实现了基于项目协同过滤改进算法与Slope One改进算法在Spark平台的并行化。Speedup与Sizeup的实验结果表明,文中实现的算法并行性能良好,解决了算法可扩展性问题,同时提高了算法的运行效率。

关键词： Spark 并行化 Slope One 基于项目的协同过滤

基于心理画像的大学生心理服务平台研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于心理画像的大学生心理服务平台研究与实现

作者：李平新南昌大学

学位级别：硕士

随着社会经济的发展,人们的生活节奏越来越快,心理压力也越来越大,逐渐演变成了心理问题。其中,大学生的心理问题尤其值得关注,因为大学生的质量关系到国家未来的发展。我国的心理教育起步较晚,还没有达到想要的预期。针对在校大学生的... 详细信息

随着社会经济的发展,人们的生活节奏越来越快,心理压力也越来越大,逐渐演变成了心理问题。其中,大学生的心理问题尤其值得关注,因为大学生的质量关系到国家未来的发展。我国的心理教育起步较晚,还没有达到想要的预期。针对在校大学生的心理健康问题,目前学校主要采取网上心理问卷测试的形式了解学生的心理问题,这样的做法不仅单一、乏味,也让很多学生产生了抗拒的心理,不愿意配合,从而影响了心理改善的效果。针对以上问题,本文提出了采用心理画像+问卷测试+视频推送的方式,构建一个大学生心理服务平台。该系统软件部分采用前后端分离架构,***作为前端框架,使用elementUI、ECharts等组件完成前端页面的展示;使用Axios完成ajax请求,以动态路由的方式进行页面的加载切换;后端使用SpringBoot框架,用SpringSecurity作为权限控制;使用mysql数据库,用redis实现数据的缓存,并通过MyBatis实现与数据库的交互。在业务层面,该系统选取了适合在校大学生的55个心理测试量表集作为测试集,其中包含12个大类,涉及大学生从心理、个人因素、气质、情绪、智力到社会适应、人际交往、职业、依赖度等各个方面。用这些量表对用户进行测试,并根据问卷内在的影响因子作为构建其心理标签的依据,并结合用户的基本属性,使用系统中的互动属性与反馈属性,共同构建心理画像模型。在此基础上使用基于项目的协同过滤推荐算法,实现相关心理视频资源的推送,结合用户实际,推送用户所需要的视频,让用户在刷视频的过程中了解自身的内在情况,并找到解决自身问题的方法。该系统使那些出现心理问题、又不愿意接受心理咨询的人也能够及早地化解内心的矛盾冲突,达到心理辅助的效果。

关键词：心理画像视频推送基于项目的协同过滤大学生心理

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

协同过滤算法的设计及并行化实现与应用

协同过滤算法的设计及并行化实现与应用

作者：陆俊尧南京邮电大学

学位级别：硕士

协同过滤算法在推荐系统中有着广泛应用,但是该算法在一些实际应用场景下忽略了用户对项目的评分中所隐含的共同喜好,以及项目间的评分均值的差异对最终的项目间相似度的影响。本文首先以解决上述问题为目标,对传统的相似度计算公式进... 详细信息

协同过滤算法在推荐系统中有着广泛应用,但是该算法在一些实际应用场景下忽略了用户对项目的评分中所隐含的共同喜好,以及项目间的评分均值的差异对最终的项目间相似度的影响。本文首先以解决上述问题为目标,对传统的相似度计算公式进行改进。然后以提高基于项目的协同过滤推荐算法的执行效率为目标,针对传统协同过滤推荐算法近邻搜索时间过长的问题,引入聚类算法来缩小最近邻居集范围,设计了一种融合聚类及相似度的协同过滤推荐算法CS-CF。为了进一步提高推荐系统的实时性和可扩展性,本文借助主流的大数据平台Spark在迭代计算以及内存计算方面的优势,设计了CS-CF算法在Spark平台上的并行化方案。该方案通过合理利用RDD并行化计算的特点、RDD的缓存机制以及Spark中的广播变量,实现了对项目间相似度计算过程和评分计算过程的并行化。最后,利用MovieLens公开数据集对CS-CF算法的并行化方案进行性能测试,并开发了一个电影推荐原型系统,将CSCF算法应用于其中,检验研究成果的可用性。实验及应用结果均表明:本文所设计的融合聚类及相似度的协同过滤推荐算法CS-CF及其在Spark平台上的并行化方案在准确性、时效性和可用性方面均有较好的表现。

关键词：推荐系统基于项目的协同过滤 Spark平台并行化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于电商平台用户行为的推荐模型研究

基于电商平台用户行为的推荐模型研究

作者：肖亚利重庆大学

学位级别：硕士

伴随着电商行业的迅猛发展,信息过载带来了用户决策效率低下、用户黏度降低等问题,推荐系统的产生可以有效消除这些信息壁垒,因此,提高电商推荐系统的性能是电商行业蓬勃发展的必经之路。目前的推荐系统主要是基于经典的推荐算法,随着... 详细信息

伴随着电商行业的迅猛发展,信息过载带来了用户决策效率低下、用户黏度降低等问题,推荐系统的产生可以有效消除这些信息壁垒,因此,提高电商推荐系统的性能是电商行业蓬勃发展的必经之路。目前的推荐系统主要是基于经典的推荐算法,随着相关学者对各类经典推荐算法的完善,虽然技术上日趋成熟,但应用场景的多样化仍然使推荐系统无法实现全面有效的推荐,而凭借对数据有强大拟合能力的深度学习算法被应用到各大领域,本文从新的应用场景出发,基于天猫平台“双十一”前六个月及“双十一”当天用户行为数据,对经典推荐算法进行了改进,并对深度学习算法中BP神经网络的推荐技术进行了探索,以推动电商推荐系统全面且有效的应用,具体研究工作及结果如下:（1）电商用户画像研究。本文从用户的基础属性、用户偏好范围、行为习惯及商品热度这几个方面对天猫平台用户的属性、偏好等特征信息进行挖掘,了解用户偏好及决策。分析结果表明:天猫平台的主力军为25-29岁的女性用户,她们的购物偏好范围较小,偏向于选择固定的商家、品牌和商品类别,且复购率最高,平台98.56%的用户为点击达人,0.23%的用户为购买达人,以“67897”、“783997”、“990922”为代表的商品热度高,点击热度较高的商品购买热度较低。（2）推荐模型应用研究。首先构建改进的基于项目的协同过滤推荐模型,以商品特征代替用户对商品的评分来计算商品相似度,再根据构建的用户行为特征,构建基于BP神经网络的推荐模型预测用户决策,模型预测结果为购买的商品对用户进行推荐。计算结果表明:基于项目的协同过滤推荐模型准确率达到88%,推荐成功率为25%;基于BP神经网络的推荐模型准确率达到93.2%,推荐成功率为60%,从推荐效果和实现过程两方面比较,基于BP神经网络的推荐模型优于基于项目的协同过滤推荐模型。

关键词：电商推荐用户画像基于项目的协同过滤 BP神经网络

融合共同评分用户数和项目兴趣关系的推荐算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

信息工程大学学报 2017年第3期18卷 347-353页

作者：于阳陈道波金鑫黄瑞阳国家数字交换系统工程技术研究中心河南郑州450002 河南轻工职业学院河南郑州450062 国家计算机网络与信息安全管理中心北京100031

基于项目的协同过滤系统中,传统的cosine、pearson和jaccard等相似性计算方法都只从单一的角度衡量了项目之间的相似性,导致相似性计算结果不准确。协同过滤系统中普遍存在评分数据稀疏性问题,使这一现象更为严重。针对这些问题,提出了... 详细信息

基于项目的协同过滤系统中,传统的cosine、pearson和jaccard等相似性计算方法都只从单一的角度衡量了项目之间的相似性,导致相似性计算结果不准确。协同过滤系统中普遍存在评分数据稀疏性问题,使这一现象更为严重。针对这些问题,提出了一种融合共同评分用户数和项目兴趣关系的推荐算法。算法根据项目间的同类性和共同评分用户数改进了Pearson相似性,引入用户对项目的兴趣度,基于用户建立项目之间兴趣度向量。实验结果表明:算法提高了推荐准确度,有效地缓解了评分数据稀疏性对传统相似性计算的影响。

关键词：基于项目的协同过滤相似性稀疏性兴趣度

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

武汉理工大学学报（信息与管理工程版） 2010年第4期32卷 550-553页

作者：刘旭东陈德人王惠敏烟台职业学院信息工程系山东烟台264670 浙江大学计算机科学与技术学院浙江杭州310027 武汉理工大学经济学院湖北武汉430070

针对User-based协同过滤推荐和Item-based协同过滤推荐算法的不足,提出了一种改进的推荐算法。该算法融合User-based协同过滤推荐和Item-based协同过滤推荐算法思想,通过形成项目相似集来填充用户评分矩阵,并利用高评分阈值来计算用户... 详细信息

针对User-based协同过滤推荐和Item-based协同过滤推荐算法的不足,提出了一种改进的推荐算法。该算法融合User-based协同过滤推荐和Item-based协同过滤推荐算法思想,通过形成项目相似集来填充用户评分矩阵,并利用高评分阈值来计算用户相似性,有效改善了传统协同过滤推荐算法的数据稀疏性和实时性。实验结果表明,该算法可以显著提高推荐系统的推荐质量。

关键词：推荐系统基于用户的协同过滤基于项目的协同过滤相似性平均绝对偏差

协同过滤推荐算法在大数据旅游推荐系统中的应用

在线全文

学校读者我要写书评

暂无评论

电脑知识与技术 2024年第16期20卷 89-91页

作者：孙俊玲王高平胡永坤河南财政金融学院计算机与人工智能学院河南郑州451464 黄河科技学院工学部河南郑州450063

文章通过爬虫技术从旅行网站爬取了景点数据,并对这些数据进行了清洗和处理。接着,在公开数据集上对两种协同过滤算法——UserCF(基于用户的协同过滤)和ItemCF(基于项目的协同过滤)进行了测试。实验结果表明,UserCF能够更准确地预测用... 详细信息

文章通过爬虫技术从旅行网站爬取了景点数据,并对这些数据进行了清洗和处理。接着,在公开数据集上对两种协同过滤算法——UserCF(基于用户的协同过滤)和ItemCF(基于项目的协同过滤)进行了测试。实验结果表明,UserCF能够更准确地预测用户喜欢的物品,并且能够更全面地推荐物品,获得了更高的准确率和召回率,但覆盖率略低。而ItemCF能够覆盖更多的物品,从而为用户提供更多的选择。

关键词：基于用户的协同过滤基于项目的协同过滤旅游推荐服务爬虫旅游推荐系统