共查询到20条相似文献，搜索用时 468 毫秒
1.
2.
[目的/意义]基于近邻用户的协同过滤推荐作为推荐系统应用最广泛的算法之一，受数据稀疏和计算可扩展问题影响，推荐效果不尽如人意。[方法/过程]针对上述问题，提出了一种改进的推荐算法(Category Preferred Data Field Clustering Based Collaborative Filtering Recommendation, CPDFC-CFR)。首先，该算法舍弃用户评分，利用评论情感构建用户—项目矩阵，以增强用户偏好表示能力；其次，该算法引入类目偏好和语义偏好的概念，利用类目偏好比对高维用户—项目矩阵进行降维，并在用户相似度计算中纳入评论情感偏好、项目类目偏好和语义偏好，以降低数据稀疏性；最后，该算法将数据场作为用户聚类的前置算法，把数据场输出(极大值点)作为K-means算法输入，以提升算法实时性和稳定性。[结果/结论]实验结果表明：(1)项目类目级别越低，CPDFC-CFR算法准确性(F-measure)和即时性(相似度计算次数和推荐耗时)越优；(2)与其他推荐算法相比，CPDFC-CFR算法能够有效提升推荐准确性和计算效率，对协同过滤推荐系统建设具有重... 相似文献
3.
从项目管理的角度出发,综合考虑用户选择偏好、项目与专家的知识匹配度、项目间的相似性以及专家的历史表现等因素,融合基于内容特征、潜在主题特征、协同过滤和用户选择偏好等评审专家推荐算法,构建一种改进的组合策略的评审专家推荐算法,并通过设计实验,利用航天项目进行实验研究,结果分析表明推荐算法是可行且实用的。 相似文献
4.
本文首先阐述了对分网络算法在社会化推荐中的应用,然后分析了社会化推荐的运作机理,构建了社会化推荐模型,最后从相似用户集构建、基于对分网络的用户偏好预测和算法评价3个方面,进行了基于对分网络的用户偏好预测实现研究。评价表明对分网络方法对用户偏好预测的效果较好。 相似文献
5.
在本文中,作者在基于物品的最近邻推荐的基础上引进了用户的上下文信息来修正推荐结果。具体说来是考虑了用户的消费预算,可以在原来的物品最近邻推荐的基础上更加符合用户的偏好,从理论上来说,这种机制是可以改进推荐的效果的。基于这种思想,作者给出了具体的推荐算法。 相似文献
6.
个性化推荐服务可以帮助用户克服信息过载问题,受到广泛的关注.虽然目前的个性化推荐方法较多,但大多数方法与用户之间的交互性不强,很难满足用户个性化需求.鉴于TOPSIS方法是一种常用的有限方案多属性决策分析法,对对象评估既全面又客观,所以将其用到了个性化推荐研究之上,进而提出了基于TOPSIS算法的个性化推荐模型及其算法,最后通过举例表明了该算法能够较好地与用户进行交互,同时能够为用户提供满足其需求偏好的个性化推荐. 相似文献
7.
[目的/意义]从在线健康社区用户兴趣的动态迁移性出发，将时间特征融入社交关系和个人偏好，完善在线健康社区个性化推荐算法，进一步提高用户获取健康信息的准确性。[方法/过程]首先，从用户社交关系出发，构建融入时间特征的用户影响关系网络；其次，依据用户个人偏好，构建融入时间特征的用户话题帖匹配矩阵；最后，将两者融合得到用户话题帖兴趣评分矩阵，据此形成每个用户的TOP-N推荐列表。[结果/结论]构建的融合时间特征的个性化推荐算法可提高推荐的准确度，提升在线健康社区个性化推荐算法的性能。 相似文献
8.
《科技广场》2016,(6)
以阿里为代表的巨头电商平台创造了一个又一个"双十一"促销奇迹,这得益于个性化推荐系统,协同过滤是其中应用广泛、效果较准确的一种技术,也是目前主流的推荐算法。本文采用基于用户协同过滤的个性化推荐技术对2014年"天池"大数据平台提供的四个月内884个真实用户对9531个商品的真实点击浏览、加入购物车、收藏和购买等四种行为的访问记录进行分析,以便对用户进行商品推荐。为真实反映用户对物品的偏好程度,对点击浏览、收藏、加入购物车和购买分别设置了权重0.0385、0.2375、0.3072和1,并采用皮尔森系数法计算用户之间的相似度,推荐结果与人们的经验是一致的。 相似文献
9.
Web日志中包含了大量的用户浏览信息,如何有效地从中挖掘出用户浏览模式就尤为重要了。本文在分析现有用户浏览模式挖掘算法存在问题的基础上,根据Web日志的特点,对关联规则挖掘算法进行改进,提出了基于滑动窗口的浏览模式挖掘算法TBPM。并在此算法基础上设计了增量更新算法,对实际数据的实验结果验证了本算法的有效性。 相似文献
10.
本系统基于模糊联想记忆神经网络,建立偏好评价模型,根据用户偏好对搜索引擎搜索到的候选文献进行评级,为用户推荐偏好值高的文献。本系统的学习模块采用PCA-CG算法和误差反向传播算法,以用户阅读过的基准文献和其对应评级作为训练样本,对用户偏好进行学习;推理模块根据学习到的模糊规则和隶属函数来计算候选文献的偏好值,并以偏好值排序,把偏好值高的文献推荐给用户。把该模型应用于信息技术类文献的检索,实验表明系统提供的推荐文献具有较高可信度。 相似文献
11.
12.
随着移动互联网的发展,越来越多的用户信息获取过程通过移动终端完成.但当前个性化推荐系统对用户情境的感知能力不足,缺乏为用户提供符合当前情境的个性化信息推荐服务.为此,本文提出了基于贝叶斯方法的情境化用户资源类别偏好学习以及融合该类别偏好的协同过滤个性化信息推荐.运用贝叶斯方法学习用户在不同情境下对各资源类别的偏好,然后将该类别偏好与传统协同过滤推荐算法相结合,生成符合用户当前情境的个性化信息推荐.实验表明本文提出的改进算法可以提高推荐的准确率. 相似文献
13.
【目的/意义】为了提高信息服务的质量,文章融合“用户-标签-资源项”关系模型以及时间因素对于用户
标注资源的影响,提出了一种个性化推荐方法。【方法/过程】首先建立起“用户-标签-资源项”三者之间的关系模
型,分别计算用户对标签的偏好程度以及资源与标签的相关程度,以此为基础进行用户相似性和资源项相似性的
度量;然后,考虑标签使用的时间因素对用户兴趣偏好的影响结合基于用户标注行为的用户相似性以及资源项相
似性度量方法提出了改进的个性化推荐方法。【结果/结论】提出了一种综合标签和时间因素的推荐算法,该方法利
用标签使用频率描述用户偏好,并结合标签使用的时间因素动态更新用户偏好,提高推荐精度。该方法应用于医
学信息服务应用场景之中,并收集实验数据,最后将提出的方法与其他基于标签信息的协同过滤推荐方法在实验
数据集进行比较,实验结果发现该方法在推荐效果上优于对比方法。 相似文献
14.
【目的/意义】当前全球信息化时代下信息过载问题日趋严峻,在深度挖掘信息的基础上,结合用户行为特
征进行智能匹配显得尤为重要。【方法/过程】本文在基于潜在因子模型的个性化推荐算法的基础上,构建了结合时
间序列的语义信息挖掘及匹配模型。通过引入用户历史行为的时间序列语义信息,提高已有模型预测用户偏好的
准确性,结合因子分解机的思想实现对扩展模型的构建,并通过 movielens数据集对该方法的有效性进行验证。【结
果/结论】实验结果表明,新模型能够有效提高已有推荐模型预测用户偏好的准确性,从而实现了良好的数据挖掘
及匹配效果。 相似文献
15.
16.
如今网上交易的成功与否,取决于商务网站质量的优劣。Web数据挖掘中的使用记录挖掘,对于商务网站具有重要的意义。通常网站需要了解的是某个用户群体浏览网页的偏好,而不是单个用户的偏好。蚁群算法是一种模拟进化算法,在挖掘特定用户群感兴趣的访问模式时,采用蚁群算法得到的模式会比较客观准确。 相似文献
17.
18.
如何准确分析用户行为,向用户提供满意的网页信息,一直以来都是个性化信息推荐系统设计的目标。本文在分析现有个性化信息推荐模型的基础上,针对以往研究在推荐兴趣时仅根据语义相关度进行协助性信息推荐,而忽略用户行为规律所包含的潜在兴趣信息的不足,尝试提出一个结合Web语义挖掘和FP-tree规则发现技术的个性化信息推荐模型。该模型利用本体对语义的明确化描述,在挖掘用户行为信息时获取用户兴趣偏好的语义信息,并利用FP-tree技术根据以获取的语义信息推理出用户兴趣行为模式,从而在信息推荐时不仅能准确理解用户兴趣偏好,也能根据用户潜在兴趣规律,推荐给用户更全面的网页信息。 相似文献
19.
[目的/意义]算法推荐技术的广泛应用,在满足网络用户信息需求的同时,也导致了“信息茧房”的产生。[方法/过程]在归纳技术创新论、利益驱动论与情感认同论3种生成机制的基础上,构建信息平台与用户双边演化博弈模型,并模拟仿真关键因素影响双方主体策略演化的路径。[结果/结论]算法推荐技术是算法时代“信息茧房”产生的根源。算法技术的日益成熟,信息平台使用算法推荐成本与用户接受算法推荐的损失成本不断下降,使得信息平台和用户对待算法推荐的策略选择由最初{放弃,抵触}演化为{使用,接受},最终导致“信息茧房”长期存在。据此提出优化算法推荐机制、健全平台算法监管体系、培育公民算法侵权防范意识的建议。 相似文献
20.
个性化信息服务中用户偏好的动态挖掘 总被引：2，自引：0，他引：2
基于个性化信息服务中用户偏好随时间变化的特性,采用聚类、关联规则等技术,对用户偏好进行动态挖掘.通过追踪用户需求序列,最终产生Top-N产品推荐,旨在提高推荐系统的推荐质量.然后选取协同过滤算法作对照,并采用MovieLens站点提供的测试数据集.通过对召回率和精度两项指标的分析,表明该动态挖掘算法具有较高的推荐准确度和全面性. 相似文献