作者:乔雅; 吴琳 期刊:《微型电脑应用》 2019年第11期
为了提高图书馆智慧服务能力,进行图书馆智慧服务的推荐算法设计,提出基于协同过滤推荐算法的图书馆智慧服务模式。采用语义抽取方法进行图书馆智慧服务的信息检索,提取图书馆馆藏资源的语义相关性特征量,构建图书馆智慧服务的语义关联规则特征分布集,采用本体特征映射方法进行图书馆智慧服务过程中的文本信息推荐,根据读者的检索偏好进行语义相关性特征配准,建立图书馆智慧服务的读者偏好关联规则数据集,采用模糊聚类方法进行特征...
作者:王刚; 郭雪梅 期刊:《新世纪图书馆》 2019年第11期
论文通过用户在一系列时间节点对所借阅图书的评分形成用户兴趣序列,并提取用户之间的最长公共兴趣子序列(LCSIS)和所有公共兴趣子序列(ACSIS),以此为基础计算用户之间的相似性并与传统的协同过滤推荐方法相结合,提出了基于用户兴趣序列的改进协同过滤图书推荐方法。将本文提出的方法和传统的基于用户的协同过滤推荐方法在天津医科大学图书馆图书借阅数据集进行实验验证,结果发现该方法在推荐效果上优于传统方法。
作者:金浙良; 胡桂明 期刊:《机械设计与制造》 2018年第02期
针对协同过滤推荐算法在网络个性化产品推荐服务中面临的覆盖率互斥、信息不对称问题,提出了一种融合用户动态标签和用户信任关系的改进协同过滤推荐算法,算法首先通过构建用户集、标签集和物品集三者之间的动态联系,建立用户动态偏好矩阵,接着构建基于用户社会网络信息的用户信任关系矩阵,以通过用户信任反馈机制实时更新用户间的信任值,最后通过融合用户动态标签和用户信任关系构建新的概率矩阵分解模型实现对协同过滤推荐算法的...
作者:刘海鸥; 孙晶晶; 苏妍嫄; 张亚明 期刊:《现代情报》 2018年第06期
大数据环境下,推荐系统项目评分的稀疏性问题愈加突出,单兴趣表示方法也难以对用户多种情境兴趣进行准确描述,导致推荐结果精度大大降低。鉴于此,提出一种多情境兴趣表示方法,在此基础上构建面向图书馆大数据知识服务的多情境兴趣推荐模型,通过对用户多情境兴趣的层次划分,利用蚁群层次挖掘的优势来发现目标用户的若干最近邻类簇,然后根据类簇内相似用户对目标项目的评分对未评分项目进行预测,最后结合MapReduce化的大数据并行处理...
作者:王璞珏; 刘红云 期刊:《心理学报》 2019年第09期
基于推荐系统中协同过滤推荐的思想,提出两种可以利用已有答题者数据的CAT选题策略:直接基于答题者推荐(DEBR)和间接基于答题者推荐(IEBR)。通过两个模拟研究,在不同题库和不同长度的测验中,比较了两种推荐选题策略与两种传统选题策略(FMI和BAS)在测量精度和对题目曝光率控制上的表现,以及影响推荐选题策略表现的因素。结果发现:两种推荐选题策略对题目曝光率的控制优于两种传统选题策略,测量精度不亚于BAS方法,其中DEBR侧重选题精...
作者:龚松杰; 丁佩芬; 文世挺 期刊:《计算机应用研究》 2018年第03期
评分数据的极端稀疏性是制约协同过滤(CF)算法在电子商务推荐中有效应用的关键瓶颈。为此,提出一种新颖的隐空间多源迁移协同过滤(latent multi-source transfer collaborative filtering,LMTCF)方法,在某个优化的隐子空间内,LMTCF桥接多个用户/项目源领域隐因子,并保留目标数据的局部几何结构,从而更好地解决协同过滤中存在的数据稀疏性问题,且还能有效克服现有方法存在的负迁移和迁移不充分的问题。在实际基准数据集...
作者:王刚; 郭雪梅 期刊:《情报理论与实践》 2018年第08期
[目的]构建数字图书馆社交网络,能够根据用户行为所反映出的兴趣变化提供好友推荐和资源推荐服务。[方法/过程]设计用户行为模型用于保存用户在社交网络的各种行为信息,在此基础上,一方面分析社交网络中用户之间的社交密切程度、资源使用情况;另一方面,将用户对资源访问的时间、访问频率纳入资源推荐方法的考虑范围,分析用户对资源使用的兴趣变化。[结果/结论]提出综合考虑用户社交密切程度以及资源使用情况的好友推荐方法以及综合...
作者:冯勇; 徐红艳; 王嵘冰; 郭浩 期刊:《计算机科学与探索》 2018年第10期
在基于项目的协同过滤推荐算法中,Slope One算法的应用较为广泛。但该算法在对项目相似度计算过程中没有考虑项目类型因素的影响,导致类型不相关的项目参与到相似度计算中而影响推荐效果,而且该算法在数据稀疏的情况下预测准确度不高。针对上述不足,考虑使用项目相关性来考量项目间的关系,提出了融入项目相关性的加权Slope One算法,该算法从项目自身的所属类型和项目的评分数据两方面来综合计算项目间的相似度关系,并在此基础上增...
冷启动问题是协同过滤推荐算法无法回避的问题.本文回顾了解决冷启动问题的策略,在基于用户属性以及k-means算法解决冷启动问题的基础上,考虑到用户属性的数据类型属于分类数据,不适合k-means算法,因而提出应用k-modes算法解决冷启动问题的方案.通过对聚类数k设置不同值进行实验,实验结果表明,在总共9个实验k值下,基于k-modes算法有7种k值实验的误差优于k-means算法.
作者:罗斌; 陈翔 期刊:《计算机工程与科学》 2018年第04期
在社交网络数据中,幂率分布是数据的基本规律,幂率分布的长尾部分数据有明显的稀疏性,长尾推荐一直是推荐系统的挑战,而冷启动、数据稀疏和覆盖率这些问题也是推荐系统的重要研究内容。通过分析数据幂律分布的特性,在研究社交网络个性化推荐方法的基础上,结合社交网络用户行为数据反映出来的幂律分布特性,通过极大似然估计数据幂律分布的标度值。结合幂率特性改进了相似度计算方法,提出了一种基于幂率特性的混合推荐方法PowerLawCF...
作者:杨亚东; 熊庆国 期刊:《计算机工程》 2017年第10期
为提高推荐算法性能,解决数据稀疏和冷启动因素造成的推荐精度不高的问题,提出一种改进的协同过滤推荐算法。基于三元组表示形式,利用标签集、用户集和项目资源集构建标签、用户以及项目之间的动态联系,并进行信任值评分矩阵的计算,使用信任评分矩阵融合协同推荐过程,构建概率矩阵分解模型,并基于期望最大法进行模型的求解。实验结果表明,与采用基于余弦、皮尔逊相关系数和启发式相似度模型的算法相比,该算法具有较低的绝...
作者:林敏; 陈美龙 期刊:《电子科学技术》 2017年第04期
随着信息革命第三次浪潮的到来,大数据无处不在,它深刻地影响人们的工作、生活和学习,特别是在智慧图书馆中,对智慧图书馆的大数据进行挖掘,利用大数据Hadoop数据处理平台,采用协同过滤的推荐算法对图书的在线展示和向用户进行智慧推荐是当前智慧图书馆研究的主题。本文利用Hadoop数据处理平台对基于用户和基于项目的协同过滤推荐进行了仿真实验,通过对性能进行对比,对协同过滤算法进行了改进,将改进的算法应用到智慧图书...
作者:马莉; 薛福亮 期刊:《情报科学》 2017年第07期
【目的/意义】提出一种基于向量的在线学习推荐系统架构,通过将访问序列的先后次序作为推荐的重要依据,将访问记录预处理进行向量表示,在此基础上基于向量利用DBSCAN算法对用户进行协同过滤聚类并实施知识点推荐。【方法/过程】将用户访问学习资源的日志记录进行解析,并进行预处理以向量的格式表示,在考虑浏览历史日志的同时,将访问序列的先后次序作为推荐的重要依据,进而基于向量利用DBSCAN算法对用户进行协同过滤聚类,并实施推荐...
作者:徐九韵; 管超; 杨丹; 徐翔睿; 李政军 期刊:《计算机集成制造系统》 2017年第05期
为了节省智能手机电池的能源,基于用户访问数据的可预测性,提出一个基于用户访问数据预测的手机节能策略模型。利用基于混合变量属性的K-means算法对已知用户进行聚类分组,建立相似用户群;利用BG/NBD模型对用户连续搜索期望进行预测;针对有价值的用户,结合协同过滤推荐算法,通过相似用户的历史数据分析预测当前用户未来可能访问的数据信息;利用数据预存储机制预存上述预测数据,通过降低通信次数的方式达到手机节能的目的。初步实验...
作者:冀晓岩; 李玉龙 期刊:《兰州交通大学学报》 2017年第01期
针对协同过滤算法在大数据环境下存在的可扩展性差的问题,提出一种Hadoop环境下基于改进聚类的个性化推荐算法.在Hadoop分布式计算平台上,首先在离线状态下使用基于Canopy聚类改进的模糊C均值算法构建项目聚类模型,再根据目标项目和聚类模型间相似度建立候选项目空间,最后在候选项目空间上采用基于项目的协同推荐算法在线完成推荐.实验表明,该算法在分布式集群上具有较好的可扩展性和推荐效率,且推荐精度也有所提高.
针对相似度特征点推荐方法对用户个性化需求匹配度不高的问题,提出基于个性化特征的协同过滤推荐算法。以社会网络为结构模型构建用户信息的评分模型和项目属性模型,采用信任度条件概率分析方法构建可靠性推荐模型,进行个性化特征分析和提取,实现个性化特征需求与项目兴趣点的合理匹配,实现协同过滤推荐,最后通过仿真实验进行测试分析。结果表明,采用该方法进行社会网络项目协同过滤推荐的用户评分高,平均绝对误差和均方根误差小,...
作者:何金金; 郭振波; 张宇 期刊:《工业控制计算机》 2017年第01期
根据现有信息助手所存在的缺陷,引入个性化推荐技术。从网站获取的原始数据后,所得到的数据分别通过协同过滤推荐子系统和基于内容推荐子系统进行处理。通过构建模型、计算相似度并形成推荐,从而实现信息的整合以及个性化推荐。
作者:孙毅; 李世豪; 崔灿; 孙辰军 期刊:《电力信息与通信技术》 2016年第11期
为了解决国网电子商城内部大量有价值信息无法被充分挖掘和利用的问题,满足信息价值增值的需要,文章通过对国网电子商城用户的隐性偏好信息进行挖掘,提出了适用于国网电子商城的改进协同过滤推荐算法,并构建了信息价值增值的量化模型,量化分析了国网电子商城系统推荐精度与信息价值增值量的相互关系。实验结果表明,该改进算法可以在用户评价信息较少的情况下提高推荐的准确性,实现信息价值增值,从而为国网商城带来更大收益。
针对传统的基于用户的协同过滤推荐算法存在用户兴趣偏好模型过于粗糙和邻居集不够准确等问题,提出了一种新的协同过滤推荐算法,命名为基于用户间引力的协同过滤推荐算法。该算法认为用户使用的社会标签可以反映用户的喜好类型及喜好程度,利用社会标签构建用户喜好物体模型,并计算它们之间的万有引力,把万有引力的大小作为用户相似度的度量,在此基础上获得目标用户的邻居用户和评分预测,把获得预测评分高的若干项目推荐给用户。实...
作者:胡致杰; 胡羽沫 期刊:《无线互联科技》 2016年第09期
进入21世纪以来,我国的科学技术取得了巨大进步,互联网和电子商务正处于迅猛发展的阶段,促进信息化不断深入到人们的日长生活工作当中。在现代社会中人们的工作繁忙,在购物方面越来越多偏向于在电子商务网站上进行,在享受足不出户的便利的同时,也因为电子商务网站所提供的大量商品造成严重的"信息超载",于是就出现了电子商务推荐系统。其中协同过滤推荐是目前最为常用的电子商务推荐系统,它已经被广泛应用于各商务网站中,但是在使...