期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
一种基于用户兴趣联合相似度的协同过滤算法 被引量:11
1
作者 王建芳 韩鹏飞 +1 位作者 苗艳玲 司马海峰 《河南理工大学学报(自然科学版)》 CAS 北大核心 2019年第5期118-123,共6页
在推荐系统中数据稀疏性和推荐时效性是经常面对的问题,为了更好地反映不同用户在不同阶段的邻域相关性,从而能够挖掘出评分项目中所隐含的个性化信息,在基于用户的协同过滤算法预测评分过程中将联合相似度与用户兴趣的时序信息相结合,... 在推荐系统中数据稀疏性和推荐时效性是经常面对的问题,为了更好地反映不同用户在不同阶段的邻域相关性,从而能够挖掘出评分项目中所隐含的个性化信息,在基于用户的协同过滤算法预测评分过程中将联合相似度与用户兴趣的时序信息相结合,首先融合覆盖评分信息的用户间的协同相似度、偏好相似度和轨迹相似度等3种相似度,通过参数调节不同度量的权重及相似度阈值形成联合相似度以获取用户有效的邻居数目;其次在联合相似度计算过程中引入反映时间权重的Logistic函数以提高推荐的时效性;最后进行实验,结果表明,所提出的方法与经典算法相比,不仅提高了精度,而且可以更有效地预测用户的真实评分。 展开更多
关键词 联合相似度 稀疏性 时间权重函数 协同过滤算法
下载PDF
基于MA-CPT模型的出行方式选择模型优化 被引量:1
2
作者 黄奕慧 杨飞 +1 位作者 张栋 曾优美 《西南交通大学学报》 EI CSCD 北大核心 2023年第2期367-372,共6页
为提高累积前景理论在出行方式选择建模应用中的准确性,考虑个体对于时间与费用货币态度的不同,优化原始累积前景理论(cumulative prospect theory,CPT)模型的时间值函数和时间权重函数.首先,针对时间压力下出行方式偏好发生转变的现象... 为提高累积前景理论在出行方式选择建模应用中的准确性,考虑个体对于时间与费用货币态度的不同,优化原始累积前景理论(cumulative prospect theory,CPT)模型的时间值函数和时间权重函数.首先,针对时间压力下出行方式偏好发生转变的现象,将出行方式分为刚性出行和弹性出行,改进刚性出行情景下的时间值函数形式,并根据出行时间特性求出时间权重函数中吸引力参数的取值范围,构建MA-CPT (mental accountingcumulative prospect theory)模型;其次,根据实证数据标定时间权重函数中辨别力参数和吸引力参数的取值;最后,标定MA-CPT模型结果并检验其拟合优度,对比MA-CPT模型和CPT模型的命中率.实证分析结果表明:刚性出行和单行出行场景下,时间权重函数的吸引力参数值均大于1.00;MA-CPT模型在刚性出行和弹性出行情境下的拟合优度分别为0.17和0.18;相比于CPT模型,MA-CPT模型在弹性出行和刚性出行情景下的命中率分别提高了12.2%和19.8%. 展开更多
关键词 城市交通 出行方式选择模型 累积前景理论 心理账户理论 时间权重函数
下载PDF
基于人工蜂群的项聚类推荐算法 被引量:1
3
作者 郭磊 胡燕 《微电子学与计算机》 CSCD 北大核心 2017年第6期31-35,共5页
旨在改善协同过滤推荐算法中暴露的推荐准确性和实时性问题,提出基于人工蜂群的项聚类推荐算法.在数据处理过程中利用人工蜂群聚类算法对项目聚类,从相似性最高的几个聚类中搜索目标项目最近邻居,以此剔除相似性较低项目的干扰提高推荐... 旨在改善协同过滤推荐算法中暴露的推荐准确性和实时性问题,提出基于人工蜂群的项聚类推荐算法.在数据处理过程中利用人工蜂群聚类算法对项目聚类,从相似性最高的几个聚类中搜索目标项目最近邻居,以此剔除相似性较低项目的干扰提高推荐准确性,同时也大大缩小项目空间,提高了推荐实时性;在评分预测过程中采用时间权重函数优化传统评分预测模型以提高评分预测的准确性,从而提高推荐准确性.实验结果表明,推荐的准确性和实时性得到了有效提高. 展开更多
关键词 协同过滤 推荐算法 人工蜂群 时间权重函数
下载PDF
基于用户兴趣变化的协同过滤推荐算法 被引量:12
4
作者 邓娟 陈西曲 《武汉工业学院学报》 CAS 2013年第4期48-51,共4页
协同过滤算法是在众多应用领域中最成功的个性化推荐技术之一,但传统协同过滤算法不能及时反映用户的兴趣变化,致使预测结果不准确。针对这个不足,提出一种基于用户兴趣变化的改进协同过滤算法。改进算法提出一种基于时间的权重函数,用... 协同过滤算法是在众多应用领域中最成功的个性化推荐技术之一,但传统协同过滤算法不能及时反映用户的兴趣变化,致使预测结果不准确。针对这个不足,提出一种基于用户兴趣变化的改进协同过滤算法。改进算法提出一种基于时间的权重函数,用于研究用户在不同时间段的兴趣变化,通过用户兴趣之间的相似性,最后生成推荐结果。实验结果验证了改进算法在推荐的准确性方面得到显著提高。 展开更多
关键词 协同过滤 个性化推荐 兴趣变化 基于时间权重函数
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部