作者:陈希; 李玲娟 期刊:《计算机技术与发展》 2020年第02期
协同过滤算法在个性化推荐系统中应用广泛,为保证其在用户规模扩大的同时可以保持推荐的高效性和准确性,设计了一种基于PCA降维和二分K-means聚类的协同过滤推荐算法PK-CF。该算法为解决用户-项目评分矩阵极度稀疏造成的相似度计算误差的问题,采用主成分分析法对用户-项目评分矩阵进行降维,去除含信息量少的维度,只保留最能代表用户特征的维度;为解决协同过滤算法在系统规模庞大情况下的相似度计算时耗问题,通过在降维后的低维向量...
作者:王娜; 何晓明; 刘志强; 王文君; 李霞 期刊:《计算机学报》 2020年第01期
本文针对在线视频服务网站的个性化推荐问题,提出了一种基于用户播放行为序列的个性化推荐策略.该策略通过深度神经网络词向量模型分析用户播放视频行为数据,将视频映射成等维度的特征向量,提取视频的语义特征.聚类用户播放历史视频的特征向量,建模用户兴趣分布矩阵.结合用户兴趣偏好和用户观看历史序列生成推荐列表.在大规模的视频服务系统中进行了离线实验,相比随机算法、基于物品的协同过滤和基于用户的协同过滤传统推荐策略,本...
作者:郑欣欣 期刊:《内蒙古科技与经济》 2019年第24期
介绍了自适应近邻聚类算法的原理,并对算法中的几个名词进行了解释;分别采用自适应近邻聚类与K-Means聚类对半月形数据集进行了实验演示;将自适应近邻聚类与个性化推荐系统相结合,采用自适应近邻聚类对某高校3个专业65名学生读者的借阅记录数据进行聚类处理,验证了相同专业读者具有相似借阅行为这一规律,进而说明了该算法应用在个性化推荐中有效可行。自适应聚类是一种优秀的聚类算法,在实际数据聚类应用中具有良好的效果。
目的/意义:运用个性化推荐服务,满足高校读者的个性化需求。方法/过程:首先分析读者身份信息和历史借阅行为信息数据,然后创建图书馆读者的用户画像标签模型,最后结合个性化推荐算法构建智慧阅读推荐系统。结论:图书馆可以通过用户画像标签快速了解读者群体的兴趣方向。
作者:尹毫; 焦文彬; 史广军; 何晓涛 期刊:《科研信息化技术与应用》 2019年第02期
作为业界应用最成功、最广泛的个性化推荐算法之一,协同过滤算法依然面临着诸多问题与挑战,数据的长尾分布便是其中之一。由于用户行为数据往往存在长尾分布的现象,同时采用Jaccard相似度作为物品相似度计算公式的协同过滤算法往往倾向于为用户推荐热门物品,致使热门的物品越来越热门,冷门的物品越来冷门。在不断给用户推荐物品的过程中,该传统协同过滤算法推荐给用户的物品集合越来越小,可能会渐渐失去个性化推荐的能力,影响用户...
互联网的出现和发展给用户带来大量信息数据,造成信息超载(Information Overload)现象,解决信息超载的一种有效办法是推荐系统。推荐系统现已广泛应用于多种领域,其中最典型的为电子商务领域。同时,学术界对推荐系统的研究热度也越来越高,逐步形成了一门独立的学科。本文在借鉴和分析前人研究成果的基础上,进一步阐释了个性化推荐技术的发展轨迹、现状及存在的挑战,重点研究个性化推荐中的数据稀疏性问题及相关的解决方法...
随着电子商务的飞速发展与大数据时代的到来,消费者不再满意于给定模式的电子商务服务,迫使电子商务的个性化服务成为发展趋势。其中个性化的推荐服务成为电子商务网站的研究重点之一。本文分析当前电商网站所采用的个性化推荐系统,探讨其中可能存在的问题并给出自己的建议。
作者:李斌; 丁佐琳; 孙小兵 期刊:《科学与信息化》 2018年第12期
用户画像是大数据时代实现精准服务的工具之一。开源网站和问答网站拥有庞大的用户群(开发者)和海量的数据,利用好开发者画像可以帮助我们更好地了解开发者,可以为以后的各种软件工程任务进行个性化推荐。文章探讨了软件工程领域开发者画像的研究现状,从开发者画像的定义、意义、构建方法等3个方面作了详细的阐述。
作者: 期刊:《智能建筑与智慧城市》 2018年第06期
人民日报携手微软:英文客户端2.0版上线搭载微软小冰与Bing搜索 6月11日,人民日报社宣布:全国移动新媒体聚合平台“人民号”正式上线,人民日报英文客户端2.0版等产品也同时对外。人民日报英文客户端2.0版在界面设计、用户体验上进行了大幅优化,增加了个性化推荐、智能问答等新功能。为更好满足英文用户使用习惯,从设计到开发,都引入了微软(亚洲)互联网工程院等国际化团队参与其中。
作者:黄宁 期刊:《中国多媒体与网络教学学报·下旬刊》 2019年第4Z期
本文通过研究公共选修课程《汽车文化》的课程结构与学习行为数据,分析学习者在线学习的资源使用特点及其影响因素,探讨基于知识图谱的网络学习资源个性化推荐,为'自主+探究+互动'学习模式的实践寻求提升策略。
作者:丁浩; 李树青 期刊:《数据分析与知识发现》 2019年第11期
【目的】构建一种基于用户多类型兴趣波动特征预测的推荐方法以提升推荐效果。【方法】针对每种类型用户评分数据加入时间衰减因子并使用神经网络对数据波动线性拟合,选择最优参数结果并对比评估方法有效性。【结果】通过5组不同的用户数据进行仿真实验,结果表明,本文方法预测结果的MAE和RMSE分别较对比方法最高降低幅度达到47.63%和44.61%。【局限】由于时间波动的分析依赖用户历史数据,当历史数据量过于稀疏时需采用额外冷启动算...
真正实现零售个性化推荐仅仅八年时间,在线零售商Stitch Fix就创造了一片繁荣的业务图景——每年有超过320万购物者使用其服务购买商品,包括牛仔裤、羊毛衫以及手镯等各种服饰。不同于一般的零售商,客户注册Stitch Fix时,要回答一长串关于他们喜欢的衣服类型和自己体型的问题。
大数据时代个性化推荐技术被广泛应用到互联网的各个领域,但在教育领域的应用还比较少。随着MOOC教育大数据迅速增长,对海量数据进行分析挖掘,从中提取有价值的信息,为学习者提供个性化的推荐学习服务,是实现个性化教育的重要途径,文章分析了个性化推荐、MOOC、个性化学习及个性化教育的概念及其之间的关系,论述了在MOOC大数据平台上引入个性化推荐技术的必要性,探讨了基于教育大数据的个性化推荐的策略及其发展方向。
[目的/意义]在高维数据环境下,推荐的精准度和实时性存在相互制约的现象。如何在精准度与实时性之间取得平衡,实现对推荐质量的有效控制是值得研究的问题。[方法/过程]本文首先分析了高维数据环境的成因及其对推荐质量的影响,在此基础上构建了一种个性化推荐质量控制模型,该模型先评估推荐质量在精准度和实时性两个方面的损失,再结合应用环境,得到相应的质量控制策略。[结果/结论]实验分析的结果证明该模型可以在高维数据环境下实...
作者:徐敏; 丁友东; 陈方灵; 李筱 期刊:《现代电影技术》 2019年第11期
随着人工智能的发展,深度学习技术开始被广泛应用在个性化推荐业务上。本文在用户基本信息、电影元信息的基础上,融合点评文本、用户兴趣度的浏览行为、电影海报等多源信息,建立了一个基于联合神经网络的用户评分预测模型,并通过Adam优化方法拟合预测评分矩阵和真实评分矩阵,最后结合海报的相似度对候选推荐集中的电影做一个简单的分类,生成相似度最高的Top-N推荐列表。实验结果表明,该模型预测评分的准确率较ConvMF提高了0.06%,列...
作者:袁仁进; 陈刚; 李锋 期刊:《计算机应用研究》 2019年第12期
针对新闻推荐系统中用户兴趣模型构建与用户兴趣漂移问题,提出了一种面向新闻推荐的用户兴趣模型构建与更新方法。首先采用向量空间模型与bisecting K-means聚类算法构建了原始用户兴趣模型;然后以艾宾浩斯遗忘曲线为基础构造了遗忘函数,并以此对用户兴趣模型进行时间加权,从而达到对用户兴趣模型更新的目的。实验以基于用户的协同过滤推荐、基于物品的协同过滤推荐为baseline,实验结果表明所构建的原始用户兴趣模型推荐性能更优,...
作者:张敏军; 华庆一; 贾伟; 陈锐; 姬翔 期刊:《西南大学学报·自然科学版》 2019年第11期
为了有效地提升海量文献信息检索过程中的用户个性化满足程度,该文设计了一个全新的个性化推荐系统.在这个系统中,核心算法是基于深度神经网络的个性化推荐方法.此方法构建的深度神经网络,包含了嵌入层、编码层、个性化特征融合层、解码层4个层次,从而准确地反应用户的个性化需求并完成查询推荐.以基于DNN网络的文献检索方法、基于Segnet网络的文献检索方法、基于Seq2Seq网络的文献检索方法为对比算法,针对计算机、通信、机械、电...
作者:李杨; 夏文秀 期刊:《沈阳工业大学学报》 2019年第06期
为了解决当前图书馆资源个性化推荐过程中存在推荐的准确率、召回率以及效率较低的问题,采用二维距离模型构建用户社区模型,用于描述访问用户与图书馆开源电子资源之间的关系,并对互联网用户需求和访问行为进行模糊规则推理.依据互联网用户属性和图书馆资源访问需求属性之间的模糊规则,建立图书馆开源电子资源访问行为统计模型,并利用该模型向用户提供个性化推荐服务.仿真结果表明,所建模型的推荐召回率高达98.4%,推荐准确率为99.2...
文章引入多Agent技术构建一种体育训练管理决策系统,首先,结合应用需求,将多Agent层融入B/S架构模式,搭建系统整体框架;而后从以往的体育训练活动中提取用户信息和运动项目信息,以文字、评分矩阵的形式存储于数据库中,并据此采用基于用户、内容的协同推荐算法,根据用户运动能力水平的动态变化,为其匹配最优的体育训练项目和方案,最终,经由应用分析,该系统可有效提升用户感知易用性和有效性的体验,能够满足不同用户的个性化体育训练...
作者:孔元元; 白智远; 张飒; 吕品 期刊:《计算机技术与发展》 2019年第09期
互联网信息技术的发展使得企业可以为众多在线用户实现信息的实时交互。如何挖掘出海量产品数据中隐藏的用户行为、实现个性化推荐服务是企业面临的一个重要问题。本项目使用PHP、Python、MariaDB等技术对原始数据进行了清理、集成、标记等预处理,然后以用户消费信息中的产品信息为研究对象,运用传统的协同过滤算法,建立用户与产品信息的0-1矩阵,得到产品的偏好推荐。通过测试推荐结果发现,模型效果欠佳。为了提高推荐精度,提出了...