检索结果-南通市图书馆

林产工业 2017年第5期44卷 59-62页

作者：冯晓川王正成北京城市学院信息学部浙江理工大学经济管理学院

针对传统协同过滤算法当用户项目评价矩阵呈数据稀疏状况时存在不足这一问题,提出了一种基于项目属性偏好的协同过滤算法。该算法基于用户的特定属性偏好值计算用户之间的相似度,并在此基础上进一步预测用户对项目的具体属性未评分部分... 详细信息

针对传统协同过滤算法当用户项目评价矩阵呈数据稀疏状况时存在不足这一问题,提出了一种基于项目属性偏好的协同过滤算法。该算法基于用户的特定属性偏好值计算用户之间的相似度,并在此基础上进一步预测用户对项目的具体属性未评分部分的评分,以此改善原始用户项目评价矩阵的数据稀疏状况,获得稠密数据。最后采用相应的协同过滤算法实现基于项目属性偏好的个性化推荐。该方法通过实践验证,能够很好地提升项目推荐的效率。

关键词：协同过滤数据稀疏项目属性偏好个性化推荐

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

基于项目属性偏好和社会化标签的协同过滤算法研究

基于项目属性偏好和社会化标签的协同过滤算法研究

引用

作者：张慧华南理工大学

学位级别：硕士

近年来,网上购物、电子商务和网络销售等愈加流行普及,据2017年中国互联网络信息中心权威统计,仅我国手机网上支付用户规模就高达4.7亿,因此,对客户实现精准推荐意义重大,对商家,在最短的时间为用户提供最有价值的商品就变得十分重要,... 详细信息

近年来,网上购物、电子商务和网络销售等愈加流行普及,据2017年中国互联网络信息中心权威统计,仅我国手机网上支付用户规模就高达4.7亿,因此,对客户实现精准推荐意义重大,对商家,在最短的时间为用户提供最有价值的商品就变得十分重要,推荐系统正是解决这一问题的最佳策略。协同过滤算法是目前应用最广泛和成功的推荐算法,但仍存在弊端,影响推荐质量。传统的协同过滤算法主要存在以下问题:1)稀疏性问题:评分矩阵过于稀疏,无法有效度量用户或项目相似性;2)用户兴趣转移问题:用户的兴趣会随时间变化,把所有评分时间的权重等同对待不够合理,无法反映用户兴趣的动态变化;3)可扩展性问题:数据量不断增大,评分矩阵维度过高,导致计算复杂度太大,上述问题都会导致推荐的准确率降低。针对以上问题,本文分别从用户的显性反馈即用户评分和隐性反馈行为即社会化标签出发,提出了两种改进的协同过滤算法。第一种是基于时间和万有引力的项目属性偏好协同过滤。首先,提出了基于项目属性评分时间轴的时间衰减函数作为评分时间权重,从而构造用户-项目属性偏好矩阵;然后,尝试提出了一种基于万有引力的用户相似度算法,把用户间的兴趣相似度类比为物理学中两个质点间的万有引力,从而衡量用户相似度;接着,进行评分预测和推荐。第二种算法是基于Word2Vec和社会化标签的协同过滤。首先,引入Word2Vec模型,把用户标签生成具有语义的词向量;然后,根据词向量间的语义关联聚类,构造用户-标签类别频次矩阵,并归一化;接着,计算用户间相似度和评分预测。最后,本文将上述两种算法进行线性组合,同时考虑用户的评分和标签行为,将显性和隐性反馈综合考量,生成一种新的混合协同过滤算法,解决了用户兴趣变化、稀疏性和扩展性问题。通过在不同大小的MovieLens数据集上实验,验证了本文算法较传统协同过滤以及其他相关的改进算法,其推荐结果更加高效精准。

关键词：协同过滤项目属性偏好万有引力 Word2Vec 社会化标签

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

基于用户细粒度属性偏好聚类的推荐策略

引用

数据分析与知识发现 2021年第10期5卷 94-102页

作者：杨辰陈晓虹王楚涵刘婷婷深圳大学管理学院深圳518060

【目的】针对推荐系统研究中主要依赖用户对项目的评分信息所带来的稀疏性问题,提出一种基于细粒度属性偏好聚类的新型推荐模型。【方法】首先对项目-属性关系和用户-属性偏好进行建模,然后采用聚类方法分别从用户和项目两个角度构建相... 详细信息

【目的】针对推荐系统研究中主要依赖用户对项目的评分信息所带来的稀疏性问题,提出一种基于细粒度属性偏好聚类的新型推荐模型。【方法】首先对项目-属性关系和用户-属性偏好进行建模,然后采用聚类方法分别从用户和项目两个角度构建相似簇,最后基于用户簇或项目簇采用协同过滤算法生成推荐列表。【结果】基于豆瓣数据集的实验结果表明,所提模型在准确率和召回率上均表现最优,均值较次优方法分别提升了19.7%和44.6%,验证了用户属性建模和聚类策略的有效性。【局限】在多维细粒度属性信息的表征和建模上需要进一步探究。【结论】基于用户细粒度属性偏好建模能更深层次地表征用户兴趣,从而实现推荐效果的提升。

关键词：推荐算法协同过滤项目属性偏好聚类

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

基于用户信任度和社会化标签的协同过滤算法研究

基于用户信任度和社会化标签的协同过滤算法研究

引用

作者：赵明飞华南理工大学

学位级别：硕士

随着互联网的广泛普及和电子信息技术的飞快发展,网络成为人们获取信息的重要方式,数据正在以超凡的速度呈现爆炸式增长。分类目录、搜索引擎等传统的网络服务已经不能满足人们的个性化信息需求,推荐系统应运而生。目前个性化推荐技术... 详细信息

随着互联网的广泛普及和电子信息技术的飞快发展,网络成为人们获取信息的重要方式,数据正在以超凡的速度呈现爆炸式增长。分类目录、搜索引擎等传统的网络服务已经不能满足人们的个性化信息需求,推荐系统应运而生。目前个性化推荐技术被广泛应用到诸如社交网站、电影音乐网站、电子商务等系统中,以提升用户体验,增强网站竞争力。协同过滤算法以稳定、简单等特性,成为应用最广泛和成功的个性化推荐算法之一。但传统协同过滤算法仍存在许多问题,包括:1)稀疏性:过度稀疏的评分矩阵,无法有效衡量用户之间的相似性;2)多兴趣模型:传统协同过滤基于单一用户兴趣模型进行推荐,当用户有多个兴趣,且兴趣跨度较大时,基于单一兴趣模型预测的结果将会出现很大偏差;3)兴趣变化:传统协同过滤假定用户兴趣一成不变,而现实生活中用户的兴趣是不断变化的。本文针对以上问题,综合利用评分数据和社会化标签信息,提出了两种改进的协同过滤算法。第一种是基于项目属性偏好和信任度的多兴趣推荐算法。首先基于用户评分和项目属性信息构造用户-项目属性偏好矩阵;然后综合用户的评分相似性和项目属性偏好相似性初步筛选近邻;接下来尝试用本文提出的用户级用户信任度融合上述综合相似度共同选取K近邻;最后在预测评分时,用本文提出的基于特定用户和特定项目的用户信任度融合上述综合相似度作为推荐权重。第二种是基于时间和社会化标签聚类的协同过滤。首先通过Word2vec语言模型生成社会化标签的词向量;然后对标签词向量聚类,并借鉴TF-IDF思想构造用户-标签类别偏好矩阵;接下来考虑用户动态标注信息反映的用户兴趣变化,设计一种时间衰减函数作为标签类别偏好权重;然后计算用户相似性并产生预测评分。最后将两个算法进行混合,通过在Movielens数据集上进行多组实验,验证了本文算法有效地改善了数据稀疏性、兴趣模型单一和兴趣变化所导致的推荐结果不准确问题,比其他相关改进算法推荐效果更好。

关键词：协同过滤项目属性偏好信任度多兴趣模型社会化标签时间衰减

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

融合用户偏好和多交互网络的协同过滤算法

引用

计算机系统应用 2021年第9期30卷 179-185页

作者：刘锦涛谢颖华东华大学信息科学与技术学院上海201620

推荐系统中的辅助信息可以为推荐提供有用的帮助,而传统的协同过滤算法在计算用户相似度时对辅助信息的利用率低,数据稀疏性大,导致推荐的精度偏低.针对这一问题,本文提出了一种融合用户偏好和多交互网络的协同过滤算法(NIAP-CF).该算... 详细信息

推荐系统中的辅助信息可以为推荐提供有用的帮助,而传统的协同过滤算法在计算用户相似度时对辅助信息的利用率低,数据稀疏性大,导致推荐的精度偏低.针对这一问题,本文提出了一种融合用户偏好和多交互网络的协同过滤算法(NIAP-CF).该算法首先根据评分矩阵和项目属性特征矩阵挖掘出用户的项目属性偏好信息,然后使用SBM方法计算用户间的项目属性偏好相似度,并用其改进用户相似度计算公式.在进行评分预测时,构建融合用户-项目属性偏好信息的多交互神经网络预测模型,使用动态权衡参数综合由用户相似度计算出的预测评分和模型的预测评分来进行项目推荐.本文使用MovieLens数据集进行实验验证,实验结果表明改进算法能够提高推荐的精度,降低评分预测的MAE和RMSE值.

关键词：协同过滤多交互神经网络项目属性偏好相似度 SBM

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

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

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

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：