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

slope one算法在电影推荐中的应用

福建电脑 2020年第5期36卷 67-68页

作者：王如岑何丰谢锦涛嘉兴学院数理与信息工程学院浙江嘉兴314001

互联网时代,信息呈爆炸式增长,推荐系统作为解决"信息过载"的有效方法之一,广泛应用于电子商务类网站。本文基于Python设计并实现了一款基于slope one算法的电影推荐系统,给出了算法的实现过程以及具体代码。

关键词：电影推荐 Python slope one算法

基于综合相似度加权slope one算法的协同过滤算法

在线全文

学校读者我要写书评

暂无评论

统计与决策 2020年第24期36卷 10-14页

作者：向小东黄飘邱梓咸福州大学经济与管理学院福州350116

协同过滤算法是目前应用最为广泛的个性化推荐算法,在已有的研究中对传统协同过滤算法进行数据填充时往往使用中值或平均值等单一数据作为填充值,文章针对该问题提出一种改进的slope one算法来计算填充值,先通过项目综合相似度筛选出待... 详细信息

协同过滤算法是目前应用最为广泛的个性化推荐算法,在已有的研究中对传统协同过滤算法进行数据填充时往往使用中值或平均值等单一数据作为填充值,文章针对该问题提出一种改进的slope one算法来计算填充值,先通过项目综合相似度筛选出待预测评分项目的近邻用户集S,然后在用户集S上计算项目间的偏差值dev时引入用户综合相似度,从而有效提高了填充值的多样性和可靠性,最后通过基于用户综合相似度的协同过滤算法对目标用户给出推荐。在Movielens1-M数据集上进一步和其他类似算法作五折交叉实验,结果表明,改进的算法不仅能有效缓解推荐算法的数据稀疏性问题,还能提高预测的准确性,使推荐系统有更好的效果。

关键词：协同过滤数据填充相似度 slope one算法

基于均衡接近度灰关联的slope one算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2021年第9期57卷 96-102页

作者：张岐山陈露露福州大学经济与管理学院福州350108

作为一种基于项目的协同过滤推荐算法,slope one算法易于实现且高效。但由于slope one算法未考虑用户相似性,导致其在处理涉及用户关系的个性化推荐任务时性能不高。针对以上问题,提出了改进的slope one算法。提出一种均衡接近度灰关联... 详细信息

作为一种基于项目的协同过滤推荐算法,slope one算法易于实现且高效。但由于slope one算法未考虑用户相似性,导致其在处理涉及用户关系的个性化推荐任务时性能不高。针对以上问题,提出了改进的slope one算法。提出一种均衡接近度灰关联分析方法计算用户之间的均衡接近度,利用均衡接近度度量用户间的相似程度,然后将均衡接近度值融入到slope one算法中进行评分预测,在MovieLens和Epinions数据集下的对比实验表明,该算法具有更低的平均绝对误差(MAE)和均方根误差(RMSE),提高了预测的准确度和推荐质量。

关键词：协同过滤均衡接近度灰关联 slope one算法用户相似度

动态k近邻辅助多权值slope one算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2020年第11期41卷 3072-3077页

作者：马浩黄俊孔麟郑小楠郭小焕重庆邮电大学通信与信息工程学院重庆400065

为有效解决传统slope one算法推荐精度低的问题,提出一种动态k近邻辅助多权值slope one算法。结合k近邻的思想,对相似度计算方法改进,筛选大于相似度阈值的近邻用户集进行平均评分偏差计算,减少大量干扰评分数据带来的影响。使用用户相... 详细信息

为有效解决传统slope one算法推荐精度低的问题,提出一种动态k近邻辅助多权值slope one算法。结合k近邻的思想,对相似度计算方法改进,筛选大于相似度阈值的近邻用户集进行平均评分偏差计算,减少大量干扰评分数据带来的影响。使用用户相似度、用户综合信任度和项目相似度作为权值加权到评分预测当中,进一步提升推荐精度。将算法应用于MovieLens数据集,与几种算法进行对比,实验结果表明,改进的算法均优于其它几种算法,有效提高了推荐的质量。

关键词： slope one算法 k近邻相似度多权值评分预测

基于似然比相似度和项目类型相关性的加权slope one算法研究

在线全文

学校读者我要写书评

暂无评论

基于似然比相似度和项目类型相关性的加权Slope One算法研究

作者：郭浩辽宁大学

学位级别：硕士

互联网中信息规模的爆炸式增长,满足了用户对信息的需求,但庞大的信息量使得用户难以快速定位到有用信息,导致了信息过载问题的出现。个性化推荐技术是一种面向用户进行个性化推荐的有效手段,其核心是推荐算法。协同过滤推荐算法因其预... 详细信息

互联网中信息规模的爆炸式增长,满足了用户对信息的需求,但庞大的信息量使得用户难以快速定位到有用信息,导致了信息过载问题的出现。个性化推荐技术是一种面向用户进行个性化推荐的有效手段,其核心是推荐算法。协同过滤推荐算法因其预测准确度高、不受项目类型限制等优点受到大众的喜爱。本文对其中的slope one算法进行深入研究,该算法由于计算简单高效等优点受到人们的广泛关注。但是,该算法缺乏对用户及项目相似度的考虑,且计算过程中内存消耗大、预测结果相较于传统协同过滤算法的优势并不明显。为了解决上述问题,本文对相似度计算方法和算法处理流程加以改进,提出基于似然比相似度和项目类型相关性的加权slope one算法。所做的主要工作如下:一是针对slope one算法在计算中未考量用户间可能存在的相互关联,本文将用户相似度加入到算法处理中,提出似然比相似度的计算方法,该方法借鉴染色体的连锁遗传的相关思想,结合推荐系统相关数据的特点,改善了传统相似度计算方法的缺陷,提高了近邻用户的筛选质量,为推荐预测提供良好的数据基础。二是针对现有对项目相似性衡量的方法中没有考虑过项目类型的影响,本文提出使用项目类型相关性来考量项目间的关系。该方法从项目自身的所属类型和项目的评分数据两个方面来综合计算项目间的相似关系。并且考虑到slope one算法是利用评分偏差来预测评分的特点,提出了一种项目筛选策略,达到了稳定评分差、得到局部较为密集的用户-项目评分矩阵的目的。最后对所提方法进行了实验对比分析,实验表明所提算法与现今流行的推荐算法相比有较高的预测准确度。论文结构分为三个部分:首先分析本文的研究背景和意义,整理相关文献形成综述;然后提出用户似然比相似度的计算方法,并为进一步提高算法性能给出项目类型相关性的计算方法和项目筛选策略;最后对该算法进行实验分析和性能评估,给出总结与展望。

关键词：个性化推荐 slope one算法协同过滤相似度类型相关性

基于概率矩阵分解的加权slope one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

基于概率矩阵分解的加权Slope One算法

作者：宋静楠东北师范大学

学位级别：硕士

随着信息时代的飞速发展,人们接触到的信息量正在以指数级别的趋势增长,为了让用户在最短的时间内找到自己需要的信息,推荐系统应运而生。本文对比较常用的slope one推荐算法进行了深入的研究,该算法是一种基于内存的协同过滤算法,因其... 详细信息

随着信息时代的飞速发展,人们接触到的信息量正在以指数级别的趋势增长,为了让用户在最短的时间内找到自己需要的信息,推荐系统应运而生。本文对比较常用的slope one推荐算法进行了深入的研究,该算法是一种基于内存的协同过滤算法,因其具有推荐效率高、容易理解、容易实现等优点而被广泛应用于推荐系统。但是原始的slope one算法没有考虑到用户相似性和项目相似性问题,因此推荐质量有待提高。为了改善这一问题,本文将用户相似度和项目相似度作为权重纳入了slope one算法的计算,旨在提高其评分预测的准确度。在进行相似度的计算时,本文没有使用稀疏的评分矩阵而是使用概率矩阵分解(PMF)得到的用户特征矩阵和项目特征矩阵。由于这两个矩阵能够挖掘出更多的用户和项目的隐含信息,因此更适合用来计算相似度。故本文将概率矩阵分解算法(PMF)和slope one算法进行结合,提出了基于概率矩阵分解的加权slope one算法。在实验过程中,本文首先探究了算法参数的最优取值问题,然后将改进后的算法与slope one算法(SO)、加权slope one算法(WSO)及其他常见的推荐算法进行了比较。结果表明,本文提出的三种算法在预测用户对未知项目评分的准确度上均有明显提升。

关键词：协同过滤推荐算法概率矩阵分解 slope one算法用户相似度项目相似度

融合灰关联分析和信任度的slope one算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合灰关联分析和信任度的Slope One算法研究

作者：陈露露福州大学

学位级别：硕士

推荐系统能够有效地过滤用户需求,减轻用户认知负担,为用户提供个性化的信息和服务。协同过滤推荐系统是目前推荐系统中应用最普遍、最受欢迎的一种推荐系统。本文研究的slope one算法是一种简便、容易执行的基于项目的协同过滤算法。... 详细信息

推荐系统能够有效地过滤用户需求,减轻用户认知负担,为用户提供个性化的信息和服务。协同过滤推荐系统是目前推荐系统中应用最普遍、最受欢迎的一种推荐系统。本文研究的slope one算法是一种简便、容易执行的基于项目的协同过滤算法。作为一种有效的协同过滤算法,slope one算法被广泛地应用到一些推荐系统中。但该算法在预测评分时仅根据项目之间的评分差值以及用户的历史评分信息,未能考虑用户之间的潜在联系,而且数据稀疏性和冷启动问题也会限制算法的推荐性能。针对以上问题,本文主要研究工作如下:(1)引入均衡接近度灰关联方法。针对slope one算法在评分预测时没有考虑用户之间的潜在关系,而以往的改善方法通常采用传统的相似度计算方法来度量用户相似性。但是在推荐系统的实际使用过程中,由于用户的历史交互项非常少导致数据集的稀疏性较大,传统的相似度方法容易受到个别异常点的影响,导致数据丢失和信息失真,在稀疏数据下推荐质量不高。本文提出引入均衡接近度灰关联方法来度量用户关系。通过计算用户之间的均衡接近度,度量用户整体的无差异性,不仅可以减弱局部点关联倾向,还能够充分利用点关联系数提供的丰富信息来考虑用户偏好问题,有效挖掘用户之间的潜在联系。实验结果证明,利用均衡接近度灰关联方法度量用户关联度,可以有效降低贫信息系统中稀疏性对算法的影响,提高算法推荐准确度。(2)引入用户信任模型。在推荐系统中,用户之间的推荐逐渐转变为从信任度较高的用户那里征询建议,信任成为推荐系统的关键影响要素。而且由于大量用户不断加入到系统中,用户的历史评分数据信息有限,导致了冷启动问题。因此,本文引入信任这一概念来有效缓解冷启动问题对slope one算法的影响,提高算法推荐性能。通过整合用户相似度、用户评级准则以及信任的不对称性来计算直接信任;利用第三方将无法直接度量信任的用户联系起来,同时考虑到信任的传播特性和节点用户的声望得到间接信任。在之前改进的基础上,分别将均衡接近度和信任度作为权重因子加权到预测评分过程中,对不同用户提供差异化推荐服务。实验证明,引入综合信任度可以有效地提高算法预测准确度、缓解算法的冷启动问题。

关键词：协同过滤均衡接近度灰关联 slope one算法信任度

融合相似度和机器学习的加权slope one算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合相似度和机器学习的加权Slope One算法研究

作者：郇思思燕山大学

学位级别：硕士

协同过滤推荐算法因其预测准确度高、不受项目类型限制等优点受到大众的喜爱。本论文就其中比较经典的slope one算法进行深入研究,它是一种基于内存的协同过滤推荐算法,由于计算简单高效等优点受到广泛关注。但是,却没有考虑到用户及项... 详细信息

协同过滤推荐算法因其预测准确度高、不受项目类型限制等优点受到大众的喜爱。本论文就其中比较经典的slope one算法进行深入研究,它是一种基于内存的协同过滤推荐算法,由于计算简单高效等优点受到广泛关注。但是,却没有考虑到用户及项目相似度的问题,且计算过程中内存消耗过大、预测结果相较于传统协同过滤算法的优势并不明显。就这些问题,本文提出了以下几点改进措施:首先,简单介绍了协同过滤的相关知识,包括研究背景和现状等内容。紧接着,着重介绍了本文研究的基础,即slope one算法的相关知识,包括其优缺点和改进措施。其次,由于原始slope one算法在计算时,未考虑到相似度的问题,故本文在原算法基础上,提出了融合用户和项目相似度的加权slope one算法。其间,分别使用信任机制以及Jaccard系数加权方法来选择邻居用户,计算用户间的相似度,然后,使用Pearson相关系数计算方法计算项目间的相似度,最后,将二者结合,又提出了两种混合推荐算法。然后,考虑到基于内存的方法简单直观易于理解,但是基于模型的方法普遍比基于内存的方法可以得到更准确的预测结果,且运行速度更快,故本文考虑将基于模型和基于内存的推荐方法两者的优点相结合对slope one算法进行改进,提出了融合机器学习的加权slope one算法,并且使用了机器学习中的最小二乘法对slope one算法进行改进。最后,通过实验验证前面提出的几个算法,将这些算法均在两个不同的数据集上进行对比实验和结果分析。结果表明,本文提出的改进后的算法相较于原始slope one算法,大大提高了预测的准确度。

关键词：协同过滤推荐算法 slope one算法相似度机器学习最小二乘法

基于最近邻和加权slope one算法的电影推荐系统研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于最近邻和加权Slope one算法的电影推荐系统研究与实现

作者：付瀚臣辽宁大学

学位级别：硕士

21世纪,互联网的快速发展让无数人感受到上网带来的乐趣,人们在网上冲浪的同时,也承受着网络带来的烦恼。互联网信息越来越繁杂,每天数以百亿计的新信息不断的更新,这让人们搜寻自己想要的信息时显得措手不及。尽管现在搜索引擎和搜索... 详细信息

21世纪,互联网的快速发展让无数人感受到上网带来的乐趣,人们在网上冲浪的同时,也承受着网络带来的烦恼。互联网信息越来越繁杂,每天数以百亿计的新信息不断的更新,这让人们搜寻自己想要的信息时显得措手不及。尽管现在搜索引擎和搜索技术发展迅速,但用户仍然在分类选择和使用筛选各类信息时面对困境。在这个背景下,推荐技术被越加重视和籍此应运而生。在电商售卖网站,电子商务推荐系统被应用在商品销售中,替代了传统商业中销售人员。除了电商网站,人们上网过程中,通过互联网观看视频和电影等已成为人们业余休闲的主要方式,各大视频媒体公司异军突起,如爱奇艺,豆瓣等,为了在激烈的竞争中赢得一席之地而努力地提高用户体验。众所周知,为消费者展示符合其兴趣的电影,是提高用户使用体验,增加用户对网站黏度的重要举措之一。因此,各大视频网站都努力做好与用户的良性互动,将推荐技术融入后台开发模块,致力于打造更好的用户满意度,进而获得盈利。本文以此为目的研究出一个在线的电影推荐网站,通过分析设计并完成在线电影网站的相关功能模块,在保证一个在线电影网站的所有基本功能完备的基础上,对slope one算法进行适用性改进,使其更加适合于电影推荐网站。先通过余弦相似性计算使用用户之间相似性,选取目标用户的最近邻,然后根据用户的评价数量调整用户权重,引入权重系数。把参与计算的用户置换为最近邻用户并把其与slope one算法结合,通过实验验证了改进的算法在精度和耗时上都有一点提高。然后把改良的算法放在网站后台的推荐模块中,提高了整个电影推荐网站的服务水平,使消费者使用起来更加便捷满意。

关键词：个性化推荐在线电影网站 slope one算法用户权重用户相似度