期刊文献+
共找到109篇文章
< 1 2 6 >
每页显示 20 50 100
基于改进协同过滤算法的用户页面兴趣度预测研究 预览
1
作者 宋泊东 张立臣 《计算机应用研究》 CSCD 北大核心 2019年第11期3266-3268,共3页
根据大数据稀疏性特征,把奇异值分解方法引入协作过滤算法中进行互联网站点用户的页面兴趣度的计算和验证,提出了一种基于改进协作过滤算法的用户页面兴趣度预测算法。该算法利用网络日志中的显性用户过往兴趣度评分数据发现用户页面兴... 根据大数据稀疏性特征,把奇异值分解方法引入协作过滤算法中进行互联网站点用户的页面兴趣度的计算和验证,提出了一种基于改进协作过滤算法的用户页面兴趣度预测算法。该算法利用网络日志中的显性用户过往兴趣度评分数据发现用户页面兴趣度和其影响因素。MATLAB仿真结果显示:提出的基于改进协同过滤算法的用户页面兴趣度测量方法可有效克服海量数据的稀疏性,在预测准确性、测量速度方面都有很大的提高。 展开更多
关键词 大数据 奇异值分解 用户兴趣度 协作过滤算法 数据稀疏性
在线阅读 下载PDF
基于GMM-FMs的广告点击率预测研究 预览
2
作者 邓路佳 刘平山 《计算机工程》 CAS CSCD 北大核心 2019年第5期122-126,共5页
传统单一模型对广告点击率(CTR)的预测效果较片面,且广告日志数据存在稀疏性问题。为此,将高斯混合模型(GMM)与因子分解机(FM)相结合,建立一种广告点击率预测模型GMM-FMs。对原始数据集进行高斯聚类,在聚类后得到的数据子集上分别建立CT... 传统单一模型对广告点击率(CTR)的预测效果较片面,且广告日志数据存在稀疏性问题。为此,将高斯混合模型(GMM)与因子分解机(FM)相结合,建立一种广告点击率预测模型GMM-FMs。对原始数据集进行高斯聚类,在聚类后得到的数据子集上分别建立CTR预测模型,将多个预测模型的结果进行有效加权得到最终结果。实验结果表明,相比传统逻辑回归与FM模型,该模型在训练集与测试集比例不同时均能取得较高的AUC值。 展开更多
关键词 广告点击率 高斯混合模型 因子分解机 数据稀疏性 逻辑回归模型
在线阅读 下载PDF
基于网络评论情感信任分析的推荐策略 预览
3
作者 卢竹兵 李玉州 《计算机科学》 CSCD 北大核心 2019年第6期75-79,共5页
个性化推荐技术已经成为电子商务领域解决信息过载问题的一种有效手段.传统的协同过滤推荐系统由于算法自身的特点,普遍存在数据稀疏性和冷启动等问题,这些问题的存在使得个性化推荐过程中的准确率大大降低,影响了用户的个性化体验和对... 个性化推荐技术已经成为电子商务领域解决信息过载问题的一种有效手段.传统的协同过滤推荐系统由于算法自身的特点,普遍存在数据稀疏性和冷启动等问题,这些问题的存在使得个性化推荐过程中的准确率大大降低,影响了用户的个性化体验和对系统的信心.从社会学中的信任关系角度着手,通过对网络用户在线评论信息进行情感分析,提取出评论信息中用户的情感倾向,并对它进行有效量化,然后通过计算用户情感倾向的相似性建立用户间的信任关系.同时,在推荐过程中将所构建的信任关系与评分数据的相似度进行有效结合,弥补了相似度作为唯一权重因素而导致的推荐准确率降低的不足.首先,基于在线评论信息对用户的情感倾向性进行分析与量化;然后,基于情感相似度对用户信任关系进行建模;最后,基于用户情感信任关系对推荐策略进行设计.在所选数据集上的模拟对比实验表明,改进的引入情感分析信任模型的个性化推荐策略能够有效地降低平均绝对误差值MAE,推荐的准确率得到了提高;同时,覆盖率coverage和推荐系统对商品长尾的发掘能力也得到了有效的提升;另外,信任关系自主管理机制的引入,也大大改善了用户对系统的个性化体验,增强了用户对系统的信心. 展开更多
关键词 协同过滤 数据稀疏 信任关系 情感分析 相似度
在线阅读 免费下载
基于slope-one算法改进评分矩阵填充的协同过滤算法研究 预览
4
作者 向小东 邱梓咸 《计算机应用研究》 CSCD 北大核心 2019年第4期1064-1067,共4页
为解决协同过滤算法中的数据稀疏性问题,提出了一种改进的协同过滤算法。该算法使用slope-one算法计算出来的评分预测值来填充评分矩阵中的未评分项目,然后在填充后的用户-项目评分矩阵上通过基于用户的协同过滤方法给出推荐。利用slope... 为解决协同过滤算法中的数据稀疏性问题,提出了一种改进的协同过滤算法。该算法使用slope-one算法计算出来的评分预测值来填充评分矩阵中的未评分项目,然后在填充后的用户-项目评分矩阵上通过基于用户的协同过滤方法给出推荐。利用slope-one算法计算出来的评分预测值作为回填值,既能降低评分矩阵的稀疏性,也保证了回填值的多样性,从而减少均值、中值等单一填充值造成的推荐误差。在MovieLens-1M数据集上对该改进算法和协同过滤算法及均值中心化处理的算法作五折交叉实验,结果表明,基于评分预测值填充数据后的协同过滤算法有效地缓解了数据稀疏性问题,并且有更好的推荐效果。 展开更多
关键词 slope-one算法 数据稀疏性 协同过滤 个性化推荐 矩阵填充 电影推荐
在线阅读 下载PDF
融合Jensen-Shannon散度的推荐算法 预览
5
作者 王永 王永东 +1 位作者 邓江洲 张璞 《计算机科学》 CSCD 北大核心 2019年第2期210-214,共5页
为充分利用所有评分,缓解数据稀疏性问题,将概率统计领域的Jensen-Shannon(JS)散度引入相似性度量中,提出了一种新的项目相似性度量算法。该算法将项目的评分信息转化为评分值密度,并依据评分值的密度分布来计算项目相似性。同时,引入... 为充分利用所有评分,缓解数据稀疏性问题,将概率统计领域的Jensen-Shannon(JS)散度引入相似性度量中,提出了一种新的项目相似性度量算法。该算法将项目的评分信息转化为评分值密度,并依据评分值的密度分布来计算项目相似性。同时,引入评分数量因子,进一步提升了基于JS的相似性度量方法的性能。最后,以基于JS的相似性度量方法为基础,设计了相应的协同过滤算法。在MovieLens数据集上的实验结果表明,所提算法在预测误差和推荐准确性方面均有良好的表现。因此,该算法在推荐系统中具有很好的应用潜力。 展开更多
关键词 Jensen-Shannon散度 评分值密度 相似性度量 协同过滤 数据稀疏性
在线阅读 免费下载
基于信任聚类的协同过滤推荐算法 预览
6
作者 王菲 黄刚 朱峥宇 《计算机技术与发展》 2019年第5期22-26,共5页
基于聚类的协同过滤算法是依靠群体的思想,根据最近邻的喜好为目标用户进行推荐,在处理规模较大的数据时是高效和可扩展的。但传统的聚类推荐方法普遍存在准确率和覆盖率较低的问题,评分矩阵稀疏性问题也会下降其推荐性能。针对这一系... 基于聚类的协同过滤算法是依靠群体的思想,根据最近邻的喜好为目标用户进行推荐,在处理规模较大的数据时是高效和可扩展的。但传统的聚类推荐方法普遍存在准确率和覆盖率较低的问题,评分矩阵稀疏性问题也会下降其推荐性能。针对这一系列问题,提出了一种基于信任聚类的协同过滤算法(TCCF)。该算法使用SVD聚类来处理信任和不信任关系矩阵,以发现信任群体。然后,提出了一种稀疏评分填充算法来生成密集用户评分模型解决稀疏性问题。最后与传统协同过滤算法进行整合推荐。开放数据测试实验表明,该算法可以有效地提高推荐的准确性和质量,并且一定程度上缓解了稀疏性问题,在聚类算法中加入信任关系,有效改善了冷启动问题,优于传统的聚类协同过滤算法。 展开更多
关键词 推荐系统 信任聚类 协同过滤 冷启动 数据稀疏
在线阅读 下载PDF
一种有效缓解数据稀疏问题的协同过滤推荐算法 预览
7
作者 张清 于博 +1 位作者 王辉 邓林 《合肥工业大学学报:自然科学版》 CAS 北大核心 2019年第4期473-478,共6页
文章针对数据的稀疏会导致传统的协同过滤(collaborative filtering,CF)推荐算法不能准确地查找到最近邻居问题,提出了一种改进的基于用户Tanimoto相似性系数预填充的算法,通过改进的Tanimoto相似性系数得到更加合理的用户相似度,并结... 文章针对数据的稀疏会导致传统的协同过滤(collaborative filtering,CF)推荐算法不能准确地查找到最近邻居问题,提出了一种改进的基于用户Tanimoto相似性系数预填充的算法,通过改进的Tanimoto相似性系数得到更加合理的用户相似度,并结合提出的预测公式对目标用户的未评分项进行预测评分和填充,从而降低矩阵的数据稀疏度。实验结果表明,该算法对稀疏数据集具有较好的表现,能够提高推荐的质量。 展开更多
关键词 数据稀疏 协同过滤(CF) Tanimoto相似性系数 推荐算法 矩阵填充
在线阅读 免费下载
一种基于稀疏分段的协同过滤推荐算法 预览
8
作者 贺怀清 计瑜 +1 位作者 惠康华 刘浩翰 《现代电子技术》 北大核心 2019年第9期90-94,共5页
针对数据强稀疏性严重制约协同过滤算法推荐准确性的问题,提出基于稀疏分段的改进方法。首先利用基于迭代预测的支持向量回归在解决小样本高维数据中的优势,对稀疏的U-I矩阵中相对弱稀疏的密集数据部分预测缺失评分,然后使用基于项目的... 针对数据强稀疏性严重制约协同过滤算法推荐准确性的问题,提出基于稀疏分段的改进方法。首先利用基于迭代预测的支持向量回归在解决小样本高维数据中的优势,对稀疏的U-I矩阵中相对弱稀疏的密集数据部分预测缺失评分,然后使用基于项目的插补协同过滤方法预测剩余数据的缺失评分。在多个公开数据集中的实验表明,该方法适用于强稀疏数据集的推荐,与基于项目协同过滤比较可取得较好的预测结果。 展开更多
关键词 稀疏分段 支持向量回归 基于项目的推荐 协同过滤 数据稀疏性 小样本
在线阅读 下载PDF
基于异构信息融合的广告响应预测方法
9
作者 单丽莉 林磊 孙承杰 《中国科学:信息科学》 CSCD 北大核心 2019年第1期17-41,共25页
为了更有效地挖掘用户、上下文和广告之间的三维交互关系,张量分解模型开始被用于解决实时竞价广告响应预测问题.然而实时竞价广告响应预测面临严峻的数据稀疏和冷启动问题,尤其是广告转化率预测,单纯地依靠某类或某些信息很难有效地解... 为了更有效地挖掘用户、上下文和广告之间的三维交互关系,张量分解模型开始被用于解决实时竞价广告响应预测问题.然而实时竞价广告响应预测面临严峻的数据稀疏和冷启动问题,尤其是广告转化率预测,单纯地依靠某类或某些信息很难有效地解决这些问题,只有同时综合利用各种各样的异质、异构信息才能有效地应对这些问题.本文面向张量分解模型,提出了基于异构信息融合的综合解决方案来解决数据稀疏问题.该方案针对不同信息的性能、类型、结构、存在方式和作用特点等,提出了不同的融合策略和不同的实现方法,提升了基于张量分解模型的广告响应预测方法的可靠性和准确性,有效地缓解了需求方平台进行广告响应预测时面临的严峻数据稀疏问题.在选定数据集上基于异构信息融合的模型预测性能与基准方法相比取得了显著的提升. 展开更多
关键词 实时竞价广告 广告响应预测 张量分解 异构信息融合 数据稀疏 冷启动 预测方法
一种基于信任机制的概率矩阵分解协同过滤推荐算法 被引量:1
10
作者 王建芳 苗艳玲 +1 位作者 韩鹏飞 刘永利 《小型微型计算机系统》 CSCD 北大核心 2019年第1期31-35,共5页
传统的概率矩阵分解算法虽然较好地解决了推荐过程中的稀疏性和用户冷启动问题,但由于没有考虑到用户之间的信任信息,造成推荐精度不高.本文利用用户评分过程中潜在存在的信任关系,提出一种基于信任机制的概率矩阵分解协同过滤推荐算法T... 传统的概率矩阵分解算法虽然较好地解决了推荐过程中的稀疏性和用户冷启动问题,但由于没有考虑到用户之间的信任信息,造成推荐精度不高.本文利用用户评分过程中潜在存在的信任关系,提出一种基于信任机制的概率矩阵分解协同过滤推荐算法TM-PMF(Probabilistic Matrix Factorization Algorithm of Collaborative Filtering Based on Trust Mechanism).首先根据用户间的信任关系来构建信任网络以获得信任评分矩阵.然后将信任评分矩阵与用户评分矩阵进行融合构建用户-信任评分矩阵,接着通过概率矩阵分解技术获得最优推荐列表.最终实验结果表明在不同稀疏数据集上,本文提出的TM-PMF算法较传统算法在精度方面有较大幅度地提高. 展开更多
关键词 协同过滤 数据稀疏 信任机制 信任值 概率矩阵分解
高校新读者图书个性化推荐服务研究 预览
11
作者 王圣镔 《农业图书情报》 2019年第5期50-60,共11页
[目的/意义]针对阻碍高校智慧图书馆对新读者进行图书个性化推荐的用户冷启动问题,提出一种面向新读者的高校图书馆个性化推荐方法,为智慧型高校图书馆开展图书个性化推荐服务、提高新读者借阅率提供切实可行的方案。[方法/过程]以北华... [目的/意义]针对阻碍高校智慧图书馆对新读者进行图书个性化推荐的用户冷启动问题,提出一种面向新读者的高校图书馆个性化推荐方法,为智慧型高校图书馆开展图书个性化推荐服务、提高新读者借阅率提供切实可行的方案。[方法/过程]以北华大学图书馆借阅流通大数据进行数据挖掘,得出属性相似的新读者和已有读者具有相似借阅偏好的结论。然后,通过奇异值分解解决数据稀疏问题,采用基于欧氏距离的蚁群算法对新读者与已有读者聚类,搭建了新读者和已有读者之间关系的桥梁。最后将已有读者借阅的图书采取Top-N算法对新读者推荐。[结果/结论]以2017级读者为实验对象,选取了3个学院的44名读者,用所提出的算法进行了实验检验。实验结果表明新算法推荐效果显著,操作简单可行,为后续个性化推荐工作奠定了基础。 展开更多
关键词 新读者 个性化推荐 用户冷启动 数据稀疏 聚类
在线阅读 下载PDF
契合用户兴趣变化的评论文本深度建模 预览
12
作者 黄文明 张健 《计算机工程与设计》 北大核心 2019年第5期1464-1471,共8页
针对目前推荐系统对评论文本的特征提取能力不足导致的性能局限,以及数据稀疏性问题和用户兴趣漂移问题导致的推荐精度下降问题进行研究,提出一种契合用户兴趣变化的评论文本深度建模方法,基于深度学习改进传统推荐算法。使用词嵌入技术... 针对目前推荐系统对评论文本的特征提取能力不足导致的性能局限,以及数据稀疏性问题和用户兴趣漂移问题导致的推荐精度下降问题进行研究,提出一种契合用户兴趣变化的评论文本深度建模方法,基于深度学习改进传统推荐算法。使用词嵌入技术,挖掘并利用数据集评论中的语义得到表达结果;通过使用并行的一组卷积神经网络,充分挖掘用户和项目评论数据中的隐含特征;设计兴趣衰减曲线,针对用户兴趣漂移现象进一步调整用户建模的契合度;设计一层耦合结构,将两组特征作为输入使用因子分解机进行评分预测,得到推荐结果。仿真结果表明,推荐结果的准确度得到了提升,该方法可行有效。 展开更多
关键词 推荐系统 特征提取 数据稀疏性问题 用户兴趣漂移问题 卷积神经网络
在线阅读 下载PDF
基于迁移学习的领域自适应推荐方法研究 预览
13
作者 吴彦文 李斌 +2 位作者 孙晨辉 杜嘉薇 王馨悦 《计算机工程与应用》 CSCD 北大核心 2019年第13期59-65,共7页
协同过滤在目标评分数据非常稀疏时,其推荐效果往往会下降。跨领域推荐方法在一定程度上可以解决数据稀疏性的问题。对于不同领域异构的数据,如果不进行特征映射处理,则可能会导致负迁移;采用单一的迁移模式,则会造成潜在信息缺失。因此... 协同过滤在目标评分数据非常稀疏时,其推荐效果往往会下降。跨领域推荐方法在一定程度上可以解决数据稀疏性的问题。对于不同领域异构的数据,如果不进行特征映射处理,则可能会导致负迁移;采用单一的迁移模式,则会造成潜在信息缺失。因此,提出一种领域自适应的方法,以应用于跨领域推荐。具体包括:利用GFK特征映射后,以增加共享信息的一致性和减少潜在信息的缺失;采用联合用户侧重和项目侧重多元迁移模式来预测缺失评分的目标域矩阵,以提升预测评分的准确性。经开源数据集上的实验测试,证实了该模型可提高推荐的精准度。 展开更多
关键词 迁移学习 推荐方法 域自适应 数据稀疏 特征映射
在线阅读 下载PDF
基于路网相似性的路段行程时间估计 预览 被引量:2
14
作者 郑业晴 朱欣焰 +3 位作者 张发明 呙维 张东娟 曾聪 《计算机应用研究》 CSCD 北大核心 2018年第6期1681-1685,共5页
虽然浮动车GPS数据量很大,但是在某些时段仍然有一些路段缺少实时浮动车数据,从而难以对行程时间进行估计。针对实时浮动车实时数据在估计路段行程时间时存在数据缺失的问题,提出了利用路网间属性和空间结构的相似性,从浮动车历史大数... 虽然浮动车GPS数据量很大,但是在某些时段仍然有一些路段缺少实时浮动车数据,从而难以对行程时间进行估计。针对实时浮动车实时数据在估计路段行程时间时存在数据缺失的问题,提出了利用路网间属性和空间结构的相似性,从浮动车历史大数据中提取相似路段之间的时空关联特征,以目标路段与相似路段间的时空关联关系为输入,目标路段行程时间为输出,利用构建的三层神经网络模型进行数据缺失路段的行程时间估计。实验结果表明,路段行程时间估计值的平均绝对百分比误差可达到30%,与Na6ve model(NM)相比具有较好的估计精度,验证了从路网相似角度解决实时数据缺失的可行性。 展开更多
关键词 路网相似性 大数据 数据缺失 时空关联 人工神经网络
在线阅读 下载PDF
基于稀疏聚类和信任度的协同过滤算法 预览
15
作者 侯宇博 《信息与电脑》 2018年第7期47-49,共3页
针对数据稀疏性问题,提出一种基于稀疏子空间聚类和预测评分的协同过滤算法。利用稀疏子空间聚类对用户评分矩阵进行聚类,可以保留更多有用信息。考虑用户评分尺度和用户之间的可信度问题,提出融合信任度的概念,通过计算用户间的信任度... 针对数据稀疏性问题,提出一种基于稀疏子空间聚类和预测评分的协同过滤算法。利用稀疏子空间聚类对用户评分矩阵进行聚类,可以保留更多有用信息。考虑用户评分尺度和用户之间的可信度问题,提出融合信任度的概念,通过计算用户间的信任度,最终使用用户间的信任度与相似度的结合作为新的权重进行推荐。 展开更多
关键词 数据稀疏 个性化推荐 共同喜好评分 稀疏子空间 协同过滤
在线阅读 下载PDF
基于协同过滤推荐算法的公园个性化推荐系统的研建 预览
16
作者 张伊 张军霞 +2 位作者 邹雨纯 徐丹阳 王丽婷 《现代信息科技》 2018年第4期82-84,共3页
当今,公园游玩已经是大众日常休闲娱乐的普遍选择,但由于公园种类繁多以及相关信息的冗杂和有效信息的缺乏,游客不易选择适合自己出行计划的公园。随着互联网的迅猛发展,推荐系统已经渗透到了互联网的各个方面,协同过滤技术是目前应用... 当今,公园游玩已经是大众日常休闲娱乐的普遍选择,但由于公园种类繁多以及相关信息的冗杂和有效信息的缺乏,游客不易选择适合自己出行计划的公园。随着互联网的迅猛发展,推荐系统已经渗透到了互联网的各个方面,协同过滤技术是目前应用最为广泛和成功的技术。虽然协同过滤推荐技术取得了很大的成功,但传统的算法本身还存在一些问题,包括数据稀疏问题、冷启动性问题,这些问题都是协同过滤必须解决的问题。基于此背景,本文对协同过滤推荐算法中的数据稀疏和冷启动问题做了深入的分析和探讨,并将改进的方案运用到一个具有推荐功能的公园个性化推荐系统中,以解决人们日常的休闲娱乐需求。 展开更多
关键词 协同过滤 公园个性化推荐 数据稀疏 冷启动
在线阅读 下载PDF
基于用户兴趣融合的协同过滤推荐算法 预览
17
作者 兰小春 姚树廷 崔国红 《科技与管理》 2018年第1期86-90,共5页
协同过滤推荐算法已成功应用在各类门户网站,越来越多的研究者参与其中,然而在协同过滤推荐过程中用户一项目评分矩阵数据稀疏性以及推荐的准确性低等问题,始终制约着该算法的发展。为此,从用户兴趣角度出发,单独构建情景用户兴趣... 协同过滤推荐算法已成功应用在各类门户网站,越来越多的研究者参与其中,然而在协同过滤推荐过程中用户一项目评分矩阵数据稀疏性以及推荐的准确性低等问题,始终制约着该算法的发展。为此,从用户兴趣角度出发,单独构建情景用户兴趣模型及社交网络用户兴趣模型,再通过LogitBoost算法将2个兴趣模型融合得到准确的用户兴趣模型。Slope One算法填充用户一项目评分矩阵,解决用户一项目评分矩阵数据稀疏性问题;同时,通过用户兴趣模型计算目标用户的最近邻居用户,通过计算用户相似性,得到推荐集来提高协同过滤推荐算法的推荐准确度。 展开更多
关键词 协同过滤 用户兴趣 数据稀疏性 推荐准确性
在线阅读 下载PDF
基于Hadoop平台的优化协同过滤推荐算法研究 预览
18
作者 申晋祥 鲍美英 《软件》 2018年第12期1-5,共5页
针对协同过滤推荐算法在大数据环境下存在的数据稀疏性和可扩展性问题,在分析研究Hadoop分布式平台与协同过滤推荐算法后,本文提出一种基于 Hadoop平台的优化协同过滤推荐算法。该推荐算法将相似度高的用户或项目聚为一类,再设计用户和... 针对协同过滤推荐算法在大数据环境下存在的数据稀疏性和可扩展性问题,在分析研究Hadoop分布式平台与协同过滤推荐算法后,本文提出一种基于 Hadoop平台的优化协同过滤推荐算法。该推荐算法将相似度高的用户或项目聚为一类,再设计用户和项目矩阵,以更有效的获得各自的最近邻居集,采用加权系数处理两者的预测评分,并对设计矩阵完成 MapReduce并行化实现,这种加权系数处理后的推荐架构,很好的缓和了数据稀疏性且提高了预测精度。实验验证该算法能有效提高推荐系统的推荐效率,同时获得良好的可扩展性。 展开更多
关键词 协同过滤推荐算法 HADOOP 数据稀疏性 扩展性
在线阅读 下载PDF
基于离散量和用户兴趣贴近度的协同过滤推荐算法 预览 被引量:3
19
作者 贾伟洋 李书琴 +1 位作者 李昕宇 刘斌 《计算机工程》 CSCD 北大核心 2018年第1期226-232,237共8页
针对传统协同过滤算法在计算用户相似度过程中,由于数据稀疏性导致的无法计算、失真、虚高等问题,提出一种融合离散量和兴趣贴近度的相似度度量方法。收集用户对项目的评分数据,从全信息量角度进行分析,通过引入离散量相关理论进行... 针对传统协同过滤算法在计算用户相似度过程中,由于数据稀疏性导致的无法计算、失真、虚高等问题,提出一种融合离散量和兴趣贴近度的相似度度量方法。收集用户对项目的评分数据,从全信息量角度进行分析,通过引入离散量相关理论进行用户评分向量间的相似度计算,对评分相似的用户进行初步筛选,利用用户兴趣贴近度对相似度结果进行进一步加权处理,得到融合用户兴趣偏好信息的相似度结果,以此为基础,采用协同过滤算法进行个性化推荐。实验结果表明,该算法可有效提高信息推荐系统的推荐质量,在数据极端稀疏的情况下也能保持较好的性能。 展开更多
关键词 协同过滤 相似度计算 数据稀疏性 离散量 推荐效果
在线阅读 下载PDF
一种基于动态角色标识和张量分解的推荐模型 预览
20
作者 肖云鹏 刘晏驰 +1 位作者 刘红 刘媛妮 《电子学报》 CSCD 北大核心 2018年第3期569-574,共6页
社交网络推荐中,通常未依据用户兴趣变化进行用户角色动态标注,会造成推荐预测误差,并且用户评分数据稀疏造成评分预测不准确.根据以上问题,本文提出一种基于动态角色标识和张量分解的推荐模型.首先,针对用户角色无差别标识问题,引入信... 社交网络推荐中,通常未依据用户兴趣变化进行用户角色动态标注,会造成推荐预测误差,并且用户评分数据稀疏造成评分预测不准确.根据以上问题,本文提出一种基于动态角色标识和张量分解的推荐模型.首先,针对用户角色无差别标识问题,引入信息熵指标度量用户兴趣多样性,对目标用户进行角色定量标识.其次,考虑到用户兴趣漂移现象,提出基于时间窗的动态角色标识方式,解决静态角色标识产生的个体评分数据无偏好差异问题,实现用户评分数据层次化处理.最后,为提高评分预测准确率,通过引入张量分解在数据维度转换和数据压缩的特性,构建基于“用户项目角色”张量分解的评分预测模型.同时,在张量分解的过程中,通过对数据缺失值处理,提高评分预测精度,生成目标用户推荐列表.实验表明,该方法缓解了用户无角色差异形成的预测误差问题,并能够有效改善评分数据稀疏情况下传统方法推荐精度不足的问题,提高推荐效率. 展开更多
关键词 推荐系统 动态角色标识 张量分解 社交网络 兴趣漂移 稀疏性
在线阅读 下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部 意见反馈