检索结果-南通市图书馆

出版科学 2024年第3期32卷 73-85页

作者：诸廉葛彦希上海外国语大学新闻传播学院上海200083

将图书在线信息分为“高评分高销量”“高评分低销量”“低评分高销量”“低评分低销量”四种情况,通过脑电技术记录读者对每种图书进行购买决策的认知过程和结果,从N200、N400以及晚正电位(Late Positive Potentinl,LPP)这三项脑电指... 详细信息

将图书在线信息分为“高评分高销量”“高评分低销量”“低评分高销量”“低评分低销量”四种情况,通过脑电技术记录读者对每种图书进行购买决策的认知过程和结果,从N200、N400以及晚正电位(Late Positive Potentinl,LPP)这三项脑电指标的变化中分析读者在“感知风险监测”“信息冲突分析”“选项价值评估”这三个决策阶段的神经活动,发现评分和销量信息显著影响读者的购买意愿,且信息不一致情形下,评分信息是影响购书决策的主导因素:在信息冲突分析阶段,高评分低销量引发的认知偏差更小;在选项价值评估阶段,高评分低销量引起的购买动机唤醒更加强烈;而在感知风险监测阶段,高评分低销量和低评分高销量引发的感知风险没有显著差异。

关键词：在线购书评分信息销量信息社会化学习认知神经科学

来源：

维普期刊数据库

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

融合用户相似度与评分信息的协同过滤算法

引用

南京邮电大学学报（自然科学版） 2017年第3期37卷 100-105页

作者：乔雨李玲娟南京邮电大学计算机学院江苏南京210023

推荐系统利用机器学习的技术进行信息过滤,准确地定位用户需要的信息,并且能够预测用户对目标项目的喜好程度。但是由于新用户和新项目的存在,传统的协同过滤推荐系统面临着冷启动问题的挑战。为了解决协同过滤推荐系统中用户冷启动问题... 详细信息

推荐系统利用机器学习的技术进行信息过滤,准确地定位用户需要的信息,并且能够预测用户对目标项目的喜好程度。但是由于新用户和新项目的存在,传统的协同过滤推荐系统面临着冷启动问题的挑战。为了解决协同过滤推荐系统中用户冷启动问题,设计了融合用户相似度与评分信息的协同过滤算法(SR-CF)。该算法用基于人口统计学的推荐算法找出用户基本信息之间的相似度,再根据最速下降法对用户评分矩阵进行更新,从而产生对目标用户的推荐。基于Moive Lens公开数据集的实验结果表明,所设计的算法在保证推荐准确率的同时提高了推荐的覆盖率,能有效解决用户冷启动问题。

关键词：推荐系统用户冷启动人口统计学评分信息

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一种结合共同邻居和用户评分信息的相似度算法

引用

计算机科学 2010年第9期37卷 184-186,204页

作者：贺银慧陈端兵陈勇傅彦电子科技大学计算机科学与工程学院成都610054

随着互联网的发展,推荐系统逐步得到广泛应用,协同过滤(CF)是其中运用得最早、最成功的技术之一。CF首先根据用户间的相似度,找出每个用户的近邻;然后根据目标用户近邻的评分预测目标用户的评分;最后把预测评分较高的项目推荐给目标用... 详细信息

随着互联网的发展,推荐系统逐步得到广泛应用,协同过滤(CF)是其中运用得最早、最成功的技术之一。CF首先根据用户间的相似度,找出每个用户的近邻;然后根据目标用户近邻的评分预测目标用户的评分;最后把预测评分较高的项目推荐给目标用户。因此相似度计算方法直接关系到预测结果的准确性,对推荐起着至关重要的作用。目前,学者们已从不同的角度提出了各种各样的相似度计算方法,其中共同邻居算法(common-neighbors)是一种简单有效的方法。但此法仅考虑了两用户间的共同邻居数,忽略了用户的具体评分信息。针对这个问题对共同邻居算法进行了改进,同时考虑了共同邻居数和用户的评分信息。实验结果表明,改进的共同邻居算法在一定程度上可提高评分预测的准确性。

关键词：协同过滤共同邻居相似度算法评分信息

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于评分和评论迁移技术的跨域推荐方法研究

基于评分和评论迁移技术的跨域推荐方法研究

引用

作者：吕鹏鹏江苏科技大学

学位级别：硕士

伴随互联网的发展,推荐系统逐渐成为了电子商务、社交网络、音乐、视频等领域中必不可少的应用之一。由于传统的推荐系统通常是在单一领域中进行,即推荐同一领域的物品给用户,当面对新用户或数据过于稀疏时无法做出准确的推荐。近年来,... 详细信息

伴随互联网的发展,推荐系统逐渐成为了电子商务、社交网络、音乐、视频等领域中必不可少的应用之一。由于传统的推荐系统通常是在单一领域中进行,即推荐同一领域的物品给用户,当面对新用户或数据过于稀疏时无法做出准确的推荐。近年来,在推荐领域中由于能够使用评分的同时还会考虑评论信息的影响,跨域推荐逐渐成为研究热点。跨域推荐算法不仅考虑到用户在单一领域中的行为,还考虑了用户在其它领域中的行为以及这些不同领域之间的相互关系。然而对于现有大多数跨域推荐算法仅使用用户评分数据获取评分模式的方法实现推荐,仍然存在着评分数据稀疏性问题,导致不能够准确的预测用户偏好。为了缓解评分数据的稀疏性问题,单域推荐模型常采用融入评论信息来改善推荐效果。受此启发,本文设计了两种将评分和评论信息进行融合的跨域推荐方法。主要研究工作如下:(1)针对大多数推荐系统中存在的数据稀疏和用户冷启动问题的研究,本文以CLFM模型为基础,设计了深度融合评分和评论的跨域推荐方法。首先,在辅助域和目标域同时使用扩展后的堆叠降噪自动编码器SDAE,将评分信息做为SDAE模型输入,以实现与评论信息向量的加权融合。其次,在辅助域对组成的新的评分矩阵使用正交矩阵三分解技术构建评分模式,借助于密码本CBT迁移技术,将辅助域评分模式迁移到目标域。最后评分模式与目标域适配并进行最终评分预测。在多个真实数据集上验证了本文模型的有效性。(2)当需要同时输入多个辅助信息时,SDAE模型就需要增加输入和输出层维数,随着输出层维数的增加,往往会导致重构数据的丢失,从而影响算法的预测性能。本文通过扩展深度融合评分和评论的跨域推荐方法,设计了基于半堆叠降噪自动编码器的跨域推荐算法。由于半堆叠降噪自动编码器SSDAE输入层与输出层维数可以不同。这样,当输入维数增加时,SSDAE的输出维数可以保持不变,从而有效缓解了重构数据的丢失。首先,辅助域和目标域使用SSDAE模型来完成多个输入信息的融合。其次,对于中间层输出的用户和物品潜在特征向量,再利用变换函数将提取的潜在特征向量与矩阵分解后的向量保持在一个空间。然后,使用正交矩阵三分解技术,在辅助域中训练得到最优的迁移矩阵,结合基于密码本迁移技术使得迁移矩阵与目标域进行适配。最后重组最终的目标域评分矩阵。本文在3个真实数据集上设计了多个对比实验,根据结果显示本文模型在一定程度上增强了推荐的准确度。

关键词：跨域推荐正交矩阵三分解评论信息评分信息潜在特征堆叠降噪自动编码器

来源：

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

基于评分的深度谱卷积协同过滤推荐算法研究

基于评分的深度谱卷积协同过滤推荐算法研究

引用

作者：邵奇璇天津大学

学位级别：硕士

为了解决互联网时代信息过载的问题,推荐系统应运而生。推荐系统可以将用户可能感兴趣的产品或者服务直接推荐给用户,从而提高用户获取信息的效率。目前主流的协同过滤推荐算法,面临的主要问题包括冷启动问题、数据稀疏性问题以及推荐... 详细信息

为了解决互联网时代信息过载的问题,推荐系统应运而生。推荐系统可以将用户可能感兴趣的产品或者服务直接推荐给用户,从而提高用户获取信息的效率。目前主流的协同过滤推荐算法,面临的主要问题包括冷启动问题、数据稀疏性问题以及推荐准确度等。本文主要对于冷启动和数据稀疏性问题进行研究与分析:本文针对新用户冷启动问题,提出了改进的深度谱卷积协同过滤推荐算法（Deep Spectral Collaborative Filtering,Deep SCF）。设计方法为将谱卷积网络应用于用户与项目二部图中,在谱域中使用卷积操作进行特征提取,设计循环神经网络结构进行深度训练,寻找用户项目深层关系及隐藏的连通信息,缓解推荐过程中的冷启动问题。同时考虑用户评分稀疏性对于推荐的影响,有针对性地提出改进的评分数据预测填充,考虑用户交互的共同评分项质量与数量,将目标用户的邻居相似度添加到评分预测权重改进算法,实现评分矩阵的填充,与Deep SCF算法进行混合推荐,提出基于评分的深度谱卷积协同过滤算法（Deep Score Spectral Collaborative Filtering,Deep SSCF）,部分解决数据稀疏性问题,提高推荐的准确性。在Movielens,Het Rec2011等高稀疏性的电影领域数据集上进行实验,通过结果表明本文算法具有一定的先进性,对比多种流行推荐算法,综合考虑准确率,召回率等验证指标,验证了算法在解决数据稀疏性和冷启动问题上的可行性和有效性。

关键词：协同过滤冷启动谱域理论深度学习评分信息

来源：

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

基于类别偏好和用户兴趣的餐厅推荐算法

基于类别偏好和用户兴趣的餐厅推荐算法

引用

作者：王娜娜安徽理工大学

学位级别：硕士

线上点餐逐渐成为一种新的就餐形式,而面对线上海量的餐厅类别、评论、评分等信息时,用户难以从中快速、准确地挑选出自己感兴趣的餐厅。为了解决这个问题,本文提出一种基于类别偏好和用户兴趣的餐厅推荐算法。首先,建立基于FTF-IDF算法... 详细信息

线上点餐逐渐成为一种新的就餐形式,而面对线上海量的餐厅类别、评论、评分等信息时,用户难以从中快速、准确地挑选出自己感兴趣的餐厅。为了解决这个问题,本文提出一种基于类别偏好和用户兴趣的餐厅推荐算法。首先,建立基于FTF-IDF算法和Word2Vec的分类模型,根据用户个人偏好将餐厅评论文本主要分为(口味、环境、服务)三大类;其次,在推荐餐厅时,本文提出基于用户多属性和用户—餐厅评分相似度的推荐算法。主要研究内容如下:(1)建立基于FTF-IDF算法和Word2Vec的分类模型以解决餐评分类不准确的问题。首先,考虑到TF-IDF在计算文本词频时,未考虑词语自身词性对计算值的影响,提出在传统TF-IDF算法的基础上引入贡献因子。其次,通过在TF-IDF中增加贡献因子得到基于词性的权重值,并将其作为Word2Vec模型词向量的权重值,进而计算每篇文档的词向量;最后,使用SVM支持向量机进行训练,得到分类的实验文本。(2)构建基于用户多属性和用户—餐厅评分相似度的推荐算法以提高个性化推荐准确率。首先,获取用户的个人信息,计算用户间的属性相似度,主要信息包括性别、年龄、职业;其次,构建用户—餐厅评分矩阵,提出综合考虑用户不同偏好的餐厅评分公式,计算用户—餐厅评分相似度;最后,组合两种相似度公式,运用评分预测公式预测评分,将Top-N个餐厅推荐给用户。实验结果表明,本文提出的基于类别偏好和用户兴趣的餐厅推荐算法(CICF)能够准确、有效地提高餐厅分类准确度、用户就餐体验度以及餐厅推荐准确度。本文创新地考虑到用户对餐厅类别的偏好以及用户属性信息对餐厅推荐系统的影响,通过文本分类和构建评分公式进行评分预测。本文的研究能够有效地对餐厅评论进行类别分类;同时,通过使用权重函数构建用户—餐厅评分公式能有效对用户进行个性化餐厅推荐。另外,本文的研究也为餐饮行业的后续发展提供了理论基础。图[30]表[14]参[63]

关键词： FTF-IDF Word2Vec 属性信息评分信息餐厅推荐系统

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：