检索结果-南通市图书馆

融合用户聚类与Bandits算法的微博推荐模型

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 2022年第10期43卷 2122-2130页

作者：何羽丰徐建民张彬河北大学网络空间安全与计算机学院河北保定071002 河北大学管理学院河北保定071002

针对微博推荐系统中存在的新用户冷启动和数据稀疏性问题,提出一种微博推荐模型.该模型通过重要用户聚类和普通用户分类构建完整用户类,基于类兴趣表征普通用户兴趣,利用Bandits算法为完整用户类中的普通用户产生微博推荐列表,根据普通... 详细信息

针对微博推荐系统中存在的新用户冷启动和数据稀疏性问题,提出一种微博推荐模型.该模型通过重要用户聚类和普通用户分类构建完整用户类,基于类兴趣表征普通用户兴趣,利用Bandits算法为完整用户类中的普通用户产生微博推荐列表,根据普通用户对推荐列表的反馈更新其所属完整用户类的历史数据,合理应对新用户冷启动,降低了数据稀疏度,实现了较为准确的微博推荐,为微博推荐模型的构建提供了新的思路.实验结果表明,该模型能够推荐给用户感兴趣的博文,推荐效果较现有随机探索类算法、置信区间类算法和概率匹配类算法分别最低提高5.62%、5.43%和33.37%.

关键词：微博推荐用户聚类 Bandits算法冷启动数据稀疏

基于用户聚类与自适应组合算法的电力负荷预测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于用户聚类与自适应组合算法的电力负荷预测

作者：任一鸣中南大学

学位级别：硕士

随着我国经济转型升级和电力市场化改革深入,电力负荷预测成为电力系统的重要问题。本文首先综述了电力负荷预测的研究现状,详细介绍了电力负荷预测的基本理论与相关技术,对1293家电力用户的183天分时用电功率,共567万余条数据中的0值... 详细信息

随着我国经济转型升级和电力市场化改革深入,电力负荷预测成为电力系统的重要问题。本文首先综述了电力负荷预测的研究现状,详细介绍了电力负荷预测的基本理论与相关技术,对1293家电力用户的183天分时用电功率,共567万余条数据中的0值、负值、异常值等进行数据预处理,并完成数据归一化及日历属性打标。通过对电力负荷数据折线图等进行分析,发现不同用户用电特征存在较大差异。按日用电特征对电力用户进行了 K-means聚类分析,共分为“W”型、“M”型、峰值波动型和谷值波动型4类。其次,对聚类后的各类电力负荷,分别利用ARIMA、MLP、LSTM三种预测算法进行了预测,日平均预测误差分别为3.74%,3.73%,3.90%。引入VMD方法以克服ARIMA线性模型的局限性,构造了 VMD-ARIMA预测算法,其日平均预测误差比单一 ARIMA算法降低了 0.39%。最后,在分析VMD-ARIMA、MLP、LSTM三种单一算法各自优势的基础上,根据单一算法在过去时刻的预测结果,利用遗传算法对单一算法赋予权重,并实时进行权重的动态更新,建立了自适应组合预测算法。对1293家电力用户的电力负荷数据进行实际预测的结果表明,在电力用户聚类后,单一算法的预测误差分别降低了0.05%,0.09%和0.36%;所建自适应组合预测算法的日均MAPE为3.62%,比单一算法分别降低了 0.29%,0.28%和0.62%,且日最高误差及误差方差均低于单一算法。本文所研究预测算法的误差达到了市场实际应用的要求,已应用于相应市场的电力负荷预测。图30幅,表31个,参考文献69篇

关键词：电力负荷预测用户聚类组合算法自适应遗传算法

基于Logistic函数和用户聚类的协同过滤算法

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

浙江大学学报（工学版） 2017年第6期51卷 1252-1258页

作者：毛宜钰刘建勋胡蓉唐明董湖南科技大学计算机科学与工程学院知识处理与网络化制造湖南省普通高校重点实验室湖南湘潭411201 南京大学计算机软件新技术国家重点实验室江苏南京210000

针对协同过滤推荐算法的数据稀疏性和可扩展性问题,提出一种基于Logistic函数和用户聚类的协同过滤算法.计算用户对服务关键词的偏好度,构建用户-关键词偏好向量,并基于此向量对用户进行聚类;采用Logistic函数计算用户对服务的兴趣度,... 详细信息

针对协同过滤推荐算法的数据稀疏性和可扩展性问题,提出一种基于Logistic函数和用户聚类的协同过滤算法.计算用户对服务关键词的偏好度,构建用户-关键词偏好向量,并基于此向量对用户进行聚类;采用Logistic函数计算用户对服务的兴趣度,并根据兴趣度相似性在目标用户所在类内寻找其最近邻居;通过最近邻居预测用户对服务的兴趣度,将兴趣度较高的服务推荐给用户.基于真实数据集的实验证明,与传统协同过滤算法相比,本文算法能取得更高的准确率,且聚类后算法运行时间显著减少,有效地提高了推荐的实时性.

关键词：用户聚类 Logistic函数服务关键词协同过滤数据稀疏性

基于用户聚类与动态交互信任关系的好友推荐方法研究

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2019年第10期3卷 66-77页

作者：高慧颖魏甜刘嘉唯北京理工大学管理与经济学院

【目的】利用用户信息和社交网络拓扑信息,提出基于用户聚类与动态交互信任关系进行精准好友推荐的方法。【方法】基于用户信息进行特征向量建模,改进K-Prototypes算法分类型变量的距离计算公式,并使用改进的K-Prototypes算法将最有可... 详细信息

【目的】利用用户信息和社交网络拓扑信息,提出基于用户聚类与动态交互信任关系进行精准好友推荐的方法。【方法】基于用户信息进行特征向量建模,改进K-Prototypes算法分类型变量的距离计算公式,并使用改进的K-Prototypes算法将最有可能成为好友的用户预先聚为k个簇类,然后在每一簇中基于拓扑社交网络信任关系对目标用户进行好友推荐。从全局信任关系和交互信任关系两个维度衡量用户之间的拓扑网络信任关系,并创新性地引入三个动态信任调节因子对交互信任度进行调节。最后在各个簇中融合全局信任度和动态交互信任度计算动态综合信任度,基于此为用户产生Top-N好友推荐列表。【结果】通过与传统的好友推荐方法FOAF和SNS+Content进行比对,本文基于用户聚类与动态交互信任关系的好友推荐方法在准确性、召回率、F1-Measure指标上均高于传统方法。【局限】本文的信任衡量模型只涉及多对一和一对一之间的群体信任关系,暂未考虑到一对多、多对多的群体信任关系。【结论】本文综合利用用户信息和社交网络拓扑结构信息,深度挖掘用户间交互行为变化所反映的动态信任关系,能为社交用户做出更有效的好友推荐。

关键词：好友推荐用户聚类信任度量动态交互信任

在线全文

学校读者我要写书评

暂无评论

用户聚类和多最小支持度关联规则的推荐系统

北京化工大学学报（自然科学版） 2012年第6期39卷 111-116页

作者：李辉刘新跃北京化工大学信息科学与技术学院北京100029

在几种流行的推荐算法的基础上,本文提出了一种新的融合用户聚类和关联规则的算法来改善推荐效果。该算法在经典的关联规则算法Apriori基础上引入多最小支持度的概念,并在关联规则算法之前进行用户聚类,在聚类算法中使用了包含字符属性... 详细信息

在几种流行的推荐算法的基础上,本文提出了一种新的融合用户聚类和关联规则的算法来改善推荐效果。该算法在经典的关联规则算法Apriori基础上引入多最小支持度的概念,并在关联规则算法之前进行用户聚类,在聚类算法中使用了包含字符属性的混合属性距离函数,提高聚类效果。在此算法的基础上,设计并实现了一种新的基于图书馆的推荐系统。实验证明该算法改善了数字图书馆中新书的推荐质量,去除了部分只含高浏览量图书的无意义规则,并趋向于发现相近种类图书的关联性。

关键词：数字图书馆关联规则多最小支持度用户聚类混合属性距离函数

基于多维关系和用户聚类的智慧图书馆个性化图书推荐研究

在线全文

学校读者我要写书评

暂无评论

现代计算机 2023年第14期29卷 62-65,73页

作者：闫俊辉运城学院数学与信息技术学院运城044000

如何为用户提供感兴趣的个性化推荐图书商品向来都是智慧图书馆最核心的难题之一。因此,利用优质的推荐算法构建推荐系统就变得尤为重要。基于多维关系和用户聚类两个方面构建推荐算法,在充分考虑用户之间相关关系和图书商品之间相关关... 详细信息

如何为用户提供感兴趣的个性化推荐图书商品向来都是智慧图书馆最核心的难题之一。因此,利用优质的推荐算法构建推荐系统就变得尤为重要。基于多维关系和用户聚类两个方面构建推荐算法,在充分考虑用户之间相关关系和图书商品之间相关关系的基础上,不断更新“用户-图书商品”二维矩阵,使其数值更加合理和真实。随后使用k均值聚类方法聚拢高相关性用户。最后在类内选取目标用户实现个性化图书商品推荐。实验结果表明,该推荐算法能取得较高的评价指标F1值,即算法更加优质和有效。

关键词：智慧图书馆多维关系用户聚类个性化推荐系统

基于用户聚类和时间隐语义模型的推荐算法研究

在线全文

学校读者我要写书评

暂无评论

计算机与数字工程 2023年第3期51卷 561-565页

作者：吴祺聂文惠江苏大学计算机与通信工程学院镇江212000

协同过滤算法是推荐系统中使用最广泛的算法之一,随着个性化推荐技术的发展,传统的协同过滤算法在数据稀疏的情况下推荐的准确率较低,同时没有考虑用户的兴趣会随着时间的推移发生动态变化等因素,传统的协同过滤推荐算法已无法满足个性... 详细信息

协同过滤算法是推荐系统中使用最广泛的算法之一,随着个性化推荐技术的发展,传统的协同过滤算法在数据稀疏的情况下推荐的准确率较低,同时没有考虑用户的兴趣会随着时间的推移发生动态变化等因素,传统的协同过滤推荐算法已无法满足个性化推荐的需求。论文针对以上问题提出一种融合算法,将K-means算法和隐语义模型相结合,提出基于用户聚类和时间隐语义模型的推荐算法K-T-LFM(K-means algorithm clustering users and Time Based Latent Factor Model)。该算法根据用户的属性特征,采用最大-最小准则确定初始质心的K-means算法将用户聚类,解决了新用户登录的冷启动问题,降低了矩阵的稀疏程度和矩阵规模;根据艾宾浩斯遗忘曲线提出时间函数,并融合传统隐语义模型对聚类中的用户评分稀疏矩阵进行填充,有效缓解了数据的稀疏性,同时考虑了时间因素对用户的兴趣偏好的影响,提高了推荐算法的准确性。通过MovieLens数据集进行实验对比,该算法较其他的协同过滤算法准确率有所提升。

关键词：协同过滤用户聚类时间隐语义模型推荐

在线全文

学校读者我要写书评

暂无评论

基于电商评论情感分析的用户聚类方法研究

现代信息科技 2023年第16期7卷 24-27,33页

作者：王盈张文龙唐卓然江苏大学管理学院江苏镇江212013

针对电子商务中的商品评论信息过载问题,运用情感关联分析理论,通过挖掘商品评论信息中的商品特征及相应的情感反馈,建立商品特征细粒度上的情感分值向量,在此基础上利用SOM神经网络模型对评价用户进行聚类,建立电商用户情感画像,并针... 详细信息

针对电子商务中的商品评论信息过载问题,运用情感关联分析理论,通过挖掘商品评论信息中的商品特征及相应的情感反馈,建立商品特征细粒度上的情感分值向量,在此基础上利用SOM神经网络模型对评价用户进行聚类,建立电商用户情感画像,并针对不同电商用户群体特征制定个性化营销策略,从而帮助平台商家从繁杂的商品评论中快速获取有效信息。实验中在线评论取自图书类商品,数据均来源于Amason。实验结果表明,该方法具有良好的应用效果。

关键词：电子商务在线评论情感分析自组织映射地图用户聚类

基于马尔可夫模型的图书馆用户聚类分群方法研究

在线全文

学校读者我要写书评

暂无评论

情报科学 2021年第11期39卷 167-172页

作者：吴艳玲孙思阳吉林建筑大学图书馆吉林长春130018 中国社会科学院图书馆法学分馆北京100732

【目的/意义】针对图书馆用户群体聚类分群不稳定且错误率较高的问题,提出基于马尔可夫模型的图书馆用户聚类分群方法,提升图书馆用户聚类分群精准度。【方法/过程】采用一阶马尔可夫混合模型构建用户动作序列模型,通过模型产生用户行... 详细信息

【目的/意义】针对图书馆用户群体聚类分群不稳定且错误率较高的问题,提出基于马尔可夫模型的图书馆用户聚类分群方法,提升图书馆用户聚类分群精准度。【方法/过程】采用一阶马尔可夫混合模型构建用户动作序列模型,通过模型产生用户行为聚类,体现用户动作的动态性,采用自适应自然梯度算法,依据用户行为分离状态自适应调整自身步长,优化模型参数学习中模型自动选择问题,实现最佳图书馆用户聚类分群。【结果/结论】通过实验结果能够证明,实际聚类数量小于L值时,提出方法能够实现参数学习过程中模型的自动选择。提出方法的分群数量最多,能够划分出最大的取值区间,聚类错误率最低为0.22%,聚类性能比较稳定,分群结果更加精准,达到了设计的预期。【创新/局限】采用一阶马尔可夫混合模型实现了图书馆用户聚类分群。后续将进一步研究可考虑用户序列间关联的高阶马尔可夫分量模型,以提高分群算法的准确性和稳定性。

关键词：马尔可夫模型图书馆用户聚类分群数量