显式评分的重启动随机游走推荐算法研究     

俞琰  邱广华 《现代图书情报技术》2012,(3):8-14

针对目前重启动随机游走推荐算法偏重隐式评分而忽略显式评分的问题,采用监督重启动随机游走算法,使得用户喜爱的项目被访问的概率大于用户不喜爱的项目的概率,从而做出推荐。实验表明,该算法可以有效地提高推荐的准确性。  相似文献   

基于混合图的在线社交网络朋友推荐算法     

俞琰  邱广华  陈爱萍 《现代图书情报技术》2011,(11):54-59

针对在线社交网络朋友推荐问题,尝试融合多个社会网络为一个混合图模型,采用基于混合图模型的重启动随机游走算法,为用户提供个性化的朋友推荐,并通过参数调节多个网络的权重。实验表明,该算法提高了在线社交网络朋友推荐的准确性。  相似文献   

基于用户兴趣度量的知识发现服务精准推荐     

丁梦晓  毕强  许鹏程  李洁  牟冬梅 《图书情报工作》2019,63(3):21-29

[目的/意义]针对当前知识发现服务中存在的个性化程度不高和推荐效果不佳等问题，提出一种基于用户兴趣度量和内容分析的推荐算法。[方法/过程]文章通过特征词分布、LDA主题分布、引文结构网络三个维度构建学术资源模型，并通过对用户行为的度量，计算用户对其浏览学术资源的兴趣度，结合学术资源模型构建用户兴趣模型。将用户兴趣模型与学术资源模型匹配，计算其相似度，得到用户对每条学术资源的兴趣值，最后将兴趣值最高的TOP-N学术资源推荐给用户。[结果/结论]通过实验检验算法的有效性和推荐准确率，结果显示，本文从实时动态度量兴趣的角度，提出的推荐算法能较好地预测用户兴趣，推荐效果显著，为实现发现服务精准推荐提供思路。  相似文献   

An Information Recommendation Model Based on Item and Tag Random Walk Model     

Wang Lisha  Zhang Shaowu  Lin Hongfei 《情报学报》2012,31(3)

近几年,各大社会媒体都在致力于提供良好的信息推荐服务,应对网络资源的增长和用户的个性化需求,然而数据稀疏性问题成为了影响推荐性能的主要障碍因素之一.本文在随机游走 (RWR) 算法的基础上进行了改进,提出了一种项目-标签导向的随机游走推荐模型 (TRWR),针对特定用户分别在项目空间和标签空间中根据对象之间的相似性计算转移概率,进行有限步长的随机游走,在两个空间中都生成若干个待推荐项目,然后重新计算预测评分,最后对该用户进行个性化信息推荐.在计算对象之间相似性的过程中,本文采用了融合评分差异性和共同评分用户数的相似度计算方法.我们的实验基于MovieLens公开数据集,并与Top-N、DV和RWR这三种项目导向方法进行了对比,结果表明本文提出的模型提高了Precision值和Recall值,并使得MAE值有所下降.  相似文献   

基于改进用户兴趣点度量方式的推荐算法研究     

刘建国  吴蓓蕾  王超  郭强 《情报学报》2011,30(11)

推荐算法是个性化推荐系统中最为核心的一部分.文本通过给出产品流行性定义,提出了一种改进的用户兴趣点度量方法,进而将用户的兴趣点嵌入到基于物质扩散原理的推荐算法中.新算法引入参数β度量产品的推荐权重与用户兴趣点之间的关系.MovieLens数据集上的数值结果表明新的用户兴趣点定义方法可以同时改进推荐算法的准确度和推荐列表多样性,当采用60%的数据作为训练集时,多样性可以提高13.15%.进一步的结果表明当训练集很稀疏的时候,应当赋予与用户兴趣点不同的产品更高的推荐能力,随着稀疏度增加,赋予与用户兴趣点相近的产品更多推荐能力可以大幅度提高算法的表现.  相似文献   

一种基于情景相似度的多维信息推荐新方法研究     

杨君  吴菊华  艾丹祥 《情报学报》2013,32(3)

传统信息推荐方法只涉及到用户和项目(资源)这两个因素,忽略了情景因素,导致推荐效率比较低,而多维信息推荐在推荐的过程中考虑情景因素对用户行为的影响,动态捕捉用户兴趣在不同情景下的变化,从而大大地提高了信息推荐的效果,向用户提供更加个性化、智能化的推荐结果.本论文首先分析传统信息推荐的主要流程,然后提出了情景以及情景相似度这两个新的概念,构建了基于情景相似度的多维信息推荐系统模型,研制了基于情景相似度的多维信息推荐算法,并通过实验研究的方法验证了论文所提出的新算法的高效性与优越性.  相似文献   

适应用户兴趣变化的协同过滤增量更新机制   总被引：1，自引：0，他引：1  

李聪  梁昌勇 《情报学报》2010,29(1)

高维、稀疏的用户-项目评分矩阵对基于项目的协同过滤推荐算法造成严峻的可扩展性问题.传统的解决方法是离线计算项目相似性并保存在系统中以供算法调用,但是不能充分利用最新评分数据以体现用户兴趣的变化.针对上述问题,提出了适合在线应用的协同过滤项目相似性增量更新机制,使得推荐系统在当前用户提交项目评分之后,能够实时完成相应项目与其他项目之间的相似性数据更新,从而推荐系统可以基于最新的项目相似性数据进行推荐处理,以适应用户兴趣的变化.实验结果表明,本文提出的项目相似性增量更新机制能够有效提高基于项目的协同过滤算法可扩展性.  相似文献   

一种基于用户标签网络的个性化推荐方法   总被引：1，自引：0，他引：1  

毛进  易明  操玉杰  沈劲枝 《情报学报》2012,31(1)

基于标签进行个性化推荐是目前的一个研究热点,不同的推荐算法对标签进行了不同的处理.用户使用的标签之间存在着某种内在联系,由此可构建用户标签网络.根据这一启示,本文提出了一种基于用户标签网络的个性化推荐算法.首先,将用户标签网络视为用户兴趣模型雏形,利用社会网络分析方法计算标签权重,并以加权标签集的形式表示用户兴趣模型,最后将标签权重转化为资源与用户兴趣的相似度,进而实现个性化推荐.实验表明,本方法能较为准确地揭示用户的兴趣,产生的推荐资源与用户兴趣匹配程度较高.  相似文献   

电子商务隐式浏览输入中的用户聚类分析   总被引：2，自引：0，他引：2  

崔春生 《图书情报工作》2011,55(14):130-134

针对隐式浏览输入中用户信息难以把握、推荐质量难以提高的问题,从用户心理和用户行为出发,定义用户隐式兴趣度,进而得到用户对产品种类的兴趣度,并对其中的难点进行深入剖析。最后研究基于兴趣度的用户聚类分析结果,为推荐系统中的算法研究和推荐输出研究奠定基础。  相似文献   

拟合用户兴趣演变特性的协作过滤推荐算法   总被引：2，自引：0，他引：2  

桑艳艳  刘培刚  李勇 《情报学报》2009,28(1)

个性化推荐技术是将传统的数据挖掘技术同用户访问信息结合起来,根据用户的兴趣爱好来对用户可能访问的内容进行预测并预取其提供给用户进行选择.目前协作过滤技术是个性化推荐系统中应用最为成功的推荐技术之一,但传统的协作过滤算法没有考虑用户的兴趣演变,难以有效地反映用户真实兴趣.在分析目前协作过滤算法存在问题的基础上,利用用户访问兴趣分为偶然兴趣和稳定兴趣的特性,文章提出了基于偶然兴趣的推荐权重和基于稳定兴趣的推荐权重,并将它们融入新的拟合用户兴趣演变的协作过滤算法中.实验表明该算法能准确地反映用户访问兴趣,较传统的协作过滤算法可以有效提高推荐精度.  相似文献