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

时间权重递增的协同过滤算法

小型微型计算机系统 2018年第2期39卷 255-261页

作者：史长琼夏广伟刘井平何湘妮长沙理工大学智能交通大数据处理湖南省重点实验室长沙410114 长沙理工大学计算机与通信工程学院长沙410114

协同过滤算法是目前应用最成功的推荐技术之一,但传统的协同过滤算法在推荐过程中认为数据是静态的,且各时期的评分对预测所起到的作用是等同的,导致推荐系统的推荐质量下降.针对上述问题,本文提出了一种基于时间权重模糊递增的协同过... 详细信息

协同过滤算法是目前应用最成功的推荐技术之一,但传统的协同过滤算法在推荐过程中认为数据是静态的,且各时期的评分对预测所起到的作用是等同的,导致推荐系统的推荐质量下降.针对上述问题,本文提出了一种基于时间权重模糊递增的协同过滤算法.首先,该算法将项目评分赋予时间属性,并利用项目评分的时间属性计算时间窗口的相似性度;其次,利用时间权重对符合模糊递增规律的评分进行预测,同时本文分两个阶段对时间权重进行求解以达到全局最优和局部最优;最后,通过实验仿真分析,该算法的推荐质量较传统的协同过滤算法有显著提高.

关键词：协同过滤模糊递增时间权重预测相似性

在线全文

学校读者我要写书评

暂无评论

基于时间权重的区间型组合预测权重确定方法

统计与决策 2013年第21期29卷 67-70页

作者：殷春武西京学院西安710123

针对不确定性环境下的组合预测,文章首先分析了反映时间序列新旧程度重要性的时间权重,接着在考虑时间权重的基础上,建立了基于模拟值与实际值之间广义残差最小的区间型组合预测组合权重确定模型;最后推导了残差平方和最小下的区间型组... 详细信息

针对不确定性环境下的组合预测,文章首先分析了反映时间序列新旧程度重要性的时间权重,接着在考虑时间权重的基础上,建立了基于模拟值与实际值之间广义残差最小的区间型组合预测组合权重确定模型;最后推导了残差平方和最小下的区间型组合预测权重确定公式,并对该结论推广到不考虑时间权重以及退化到实数时间序列下的残差平方和最小的组合预测权重的确定公式。

关键词：组合预测组合权重时间权重

在线全文

学校读者我要写书评

暂无评论

基于时间权重的回归预测模型

统计与决策 2011年第7期27卷 161-162页

作者：殷春武西京学院西安710123

文章充分考虑新旧历史数据对预测结果影响程度不同,探讨并给出了确定时间权重应该满足的条件,且基于所给时间权重建立了基于时间权重的回归预测模型,在预测值和历史数据相对误差平方和最小的前提下推导了确定回归预测模型的参数确定公... 详细信息

文章充分考虑新旧历史数据对预测结果影响程度不同,探讨并给出了确定时间权重应该满足的条件,且基于所给时间权重建立了基于时间权重的回归预测模型,在预测值和历史数据相对误差平方和最小的前提下推导了确定回归预测模型的参数确定公式。该模型更符合实际预测的情况,更具有实用性。

关键词：回归预测模型时间权重参数

融合标签流行度和时间权重的矩阵分解推荐算法

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2016年第2期37卷 293-297页

作者：郭娣赵海燕上海理工大学光电信息与计算机工程学院上海现代光学系统重点实验室上海200093

社会化标签不仅可以描述资源而且可以表征用户的偏好,因此结合社会化标签的个性化推荐正成为互联网推荐引擎中的研究热点.针对现有基于标签的推荐研究中推荐精确度不高的问题,提出一种融合标签流行度和时间权重的矩阵分解推荐算法TPTMF... 详细信息

社会化标签不仅可以描述资源而且可以表征用户的偏好,因此结合社会化标签的个性化推荐正成为互联网推荐引擎中的研究热点.针对现有基于标签的推荐研究中推荐精确度不高的问题,提出一种融合标签流行度和时间权重的矩阵分解推荐算法TPTMF,该算法同时考虑用户使用标签的频率与用户兴趣随时间变化的特点,首先根据标签的流行度和时间特征刻画用户对资源的偏好,然后采用梯度下降法对用户-资源矩阵进行分解,最后利用分解后的特征矩阵对目标用户进行预测并推荐.在数据集***上的实验结果表明该算法具有较好的推荐效果.

关键词：社会化标签个性化推荐精确度流行度时间权重矩阵分解

在线全文

学校读者我要写书评

暂无评论

基于领域融合和时间权重的招工推荐模型

计算机应用 2023年第7期43卷 2133-2139页

作者：叶坤佩熊熙丁哲成都信息工程大学网络空间安全学院成都610225 先进密码技术与系统安全四川省重点实验室(成都信息工程大学) 成都610225

针对推荐系统使用嵌入层&多层感知机(Embedding&MLP)范式学习用户表示时强特征过拟合和弱特征欠拟合的问题,以及使用门控循环单元(GRU)学习用户兴趣时没有考虑到当前行为对用户最终兴趣的影响力会随时间推移逐渐减弱的问题,设计了一种... 详细信息

针对推荐系统使用嵌入层&多层感知机(Embedding&MLP)范式学习用户表示时强特征过拟合和弱特征欠拟合的问题,以及使用门控循环单元(GRU)学习用户兴趣时没有考虑到当前行为对用户最终兴趣的影响力会随时间推移逐渐减弱的问题,设计了一种基于领域融合和时间权重的招工推荐模型(RecRec)。首先,RecRec采用新的领域融合层来代替传统的串联层,而领域融合层在多域特征上表现出显著的优越性能。然后,RecRec在兴趣演化层将时间权重融入GRU,并提出时间戳门控循环单元(TSGRU),而TSGRU能更准确地学习用户兴趣。最终,RecRec通过预测用户拨通率来实现个性化推荐。实验结果表明,相较于YouTube DNN、Wide&Deep、融合注意力LSTM的协同过滤算法(ALAMF)和分期序列自注意力网络(LSSSAN),RecRec的AUC提高了0.03~0.36个百分点,说明RecRec能有效学习用户表示和用户兴趣。

关键词：推荐系统深度学习注意力机制招工信息门控循环单元领域融合时间权重

在线全文

学校读者我要写书评

暂无评论

基于时间权重的技术回归的预测模型

统计与决策 2015年第15期31卷 73-76页

作者：王明明张泓雨对外经济贸易大学保险学院北京100029 对外经济贸易大学金融学院北京100029

技术预测是分析行业技术发展趋势、把握行业重点研究领域的主要方式。利用数量模型进行技术预测是现阶段技术预测的主要手段,文章在建立技术回归预测模型过程中,根据新旧历史数据对技术预测结果影响程度的不同,构建了带时间权重的技术... 详细信息

技术预测是分析行业技术发展趋势、把握行业重点研究领域的主要方式。利用数量模型进行技术预测是现阶段技术预测的主要手段,文章在建立技术回归预测模型过程中,根据新旧历史数据对技术预测结果影响程度的不同,构建了带时间权重的技术回归预测模型,并给出计算回归系数的矩阵计算公式.最后针对输配电装备制造业专利申请数的发展趋势构建了输配电装备制造业专利申请数回归预测模型,验证了本文所建立的技术预测模型的可行性和可操作性。

关键词：技术预测时间权重回归预测专利申请

带时间权重的动态在线核极限学习机组合预测模型

在线全文

学校读者我要写书评

暂无评论

统计与决策 2021年第13期37卷 37-41页

作者：陈战波广西财经学院信息与统计学院南宁530003 广西财经学院广西教育绩效评价研究协同创新中心南宁530003

文章将单一预测模型的模拟值作为极限学习机的输入,同时考虑新旧历史数据对预测模型的影响,给出一种基于核极限学习机的变权非线性组合预测方法,构建了带时间权重的极限学习机组合预测模型。针对极限学习机输出矩阵参数赋值较多和新数... 详细信息

文章将单一预测模型的模拟值作为极限学习机的输入,同时考虑新旧历史数据对预测模型的影响,给出一种基于核极限学习机的变权非线性组合预测方法,构建了带时间权重的极限学习机组合预测模型。针对极限学习机输出矩阵参数赋值较多和新数据不断引入的问题,结合支持向量机中的核思想解决参数赋值问题,采用矩阵变换原理,建立满足新数据逐步引入的递归算法,给出了在线核极限学习机组合预测算法,有效降低了组合预测模型的计算量。结果显示,核极限学习机能显著提升组合预测模型的精度。

关键词：组合预测神经网络极限学习机时间权重

在线全文

学校读者我要写书评

暂无评论

基于时间权重的混合推荐算法研究

基于时间权重的混合推荐算法研究

作者：辛帅辽宁科技大学

学位级别：硕士

随着信息化时代的来临,计算机网络技术被广泛的应用在各大电子商务系统中。去购物网站选购自己喜欢的商品已成为当代人们生活中不可或缺的一部分。但是系统中大量且复杂的信息会影响用户对商品及服务做出快速且满意的选择,为此,推荐算... 详细信息

随着信息化时代的来临,计算机网络技术被广泛的应用在各大电子商务系统中。去购物网站选购自己喜欢的商品已成为当代人们生活中不可或缺的一部分。但是系统中大量且复杂的信息会影响用户对商品及服务做出快速且满意的选择,为此,推荐算法的研究应运而生。在目前较为流行的推荐算法中,协同过滤算法在大量的实践中逐渐显现出优势,但是传统的协同过滤算法没有考虑到用户偏好的时间效应,没有把用户行为发生的时间信息作为推荐的参考因素。然而在现实生活中,用户的兴趣偏好很可能会随着时间的流逝发生改变,因此研究用户兴趣的时间效应,对提升推荐算法预测用户当前兴趣的能力具有重要意义。本文在以往协同过滤算法的启发下,首先,在传统协同过滤算法中的基于用户的最近邻推荐算法的基础上融合时间衰变因子,构造时间衰变函数,根据用户对项目的历史评分数据,对于不同时期的评分数据,在推荐过程中对其参考价值赋予不同的权重,进而对用户的兴趣偏向进行进一步的筛选和过滤;然后,针对当前推荐算法普遍遇到评分矩阵数据稀疏性问题,本文讨论了一种解决方案,融合了基于关联规则的推荐算法与基于时间权重的协同过滤算法构成混合推荐算法。这种混合策略的好处是成功的规避了两种算法在推荐精度上的弊端,在一定程度上大幅度提高了推荐的准确性,使算法的应用范围更加广泛。本文研究的基于时间权重的协同过滤推荐算法在计算用户对未知项目的预测评分时主要采用余弦相似度和平均评分偏差公式进行计算;采用指数函数作为时间衰变函数。最后将Movie Lens数据集作为本算法仿真数据来源,设计三个实验,实现对用户的电影推荐,通过比较基于用户最近邻的协同过滤算法、基于时间权重的协同过滤推荐算法及混合推荐算法的准确率、MAE及置信度等指标,来说明本文提出的算法具有良好的可行性和有效性。

关键词：推荐算法时间权重协同过滤关联规则混合推荐

基于时间权重的IDNC车载自组织网络数据分发策略的研究

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

基于时间权重的IDNC车载自组织网络数据分发策略的研究

作者：章阳阳南京邮电大学

学位级别：硕士

车载自组织网络(VANET,Vehicular Ad-hoc Network)是传统的移动自组织网络(MANET,Mobile Ad-hoc network)在交通道路上的应用,也是一种特殊的移动自组织网络。车载网根据通信方式分为V2I(Vehicle to Infrastructures)和V2V(Vehicle to Vehicle)这两种通信方法。论文考虑使用即时译码网络编码技术(IDNC,Instantly Decodable Network Coding)减小V2I和V2V传输时延,并对无线链路信息的传输能力进行分析研究,具体内容如下。研究基于IDNC的V2I通信方式。在V2I通信中,车辆节点与路侧单元(RSU,Road Side Unit)之间通信时,针对RSU对车辆节点发来的不同请求消息如何去分发处理,提出了基于时间权重的编码发送方式,这种编码方式使用即时译码网络编码(IDNC)方法,并根据请求的紧急状况响应信息,使用最大团算法解决信息传输问题。它们的结合和使用,提升系统响应性能。并讨论无线链路信息传输的可靠性问题,对链路信息传输的能力进行分析,使用增益衡量系统传输性能。提出基于IDNC的V2V通信方式。由于在V2V通信时,很多节点之间会进行数据包的请求和响应,并且与V2I通信方式不同的是节点与节点之间不一定能够相互通信,由于每个车辆节点都有通信范围,只有在其通信范围的才能请求响应,因此,考虑将IDNC与这种多点对多点的通信方式相结合,提出一种新型编码关系图,并根据时间权重编码发送进行单跳的路由选择,最终达到系统信息传输的链路状况最佳和系统性能最优的效果。并考虑在反馈信息丢失的情况下,使用最大似然方法对数据包接收状况进行分析,达到提高系统增益的目的。

关键词：车载自组织网网络编码最大团算法即时译码时间权重