-
题名融合评分上下文和物品相似度的推荐算法
被引量：1
- 1
-
-
作者
卢泽伦
古万荣
毛宜军
陈梓明
-
机构
华南农业大学数学与信息学院
广州市智慧农业重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2023年第10期3040-3046,共7页
-
基金
中山大学广东省计算科学重点实验室开放基金资助项目(2021010)
广东省自然科学基金面上项目(2022A1515011489)
+1 种基金
国家社科基金后期资助项目(19FTJB001)
广东省哲学社会科学规划项目(GD19CGL34)。
-
文摘
推荐系统中用户的评分往往会受到评分上下文的影响,即用户先前对一些物品的评分会影响其对当前物品评分的客观性。稀疏线性方法在计算物品相似度时将受到上下文影响的用户评分与其他评分同等看待,然而该部分评分并不能客观地反映出物品之间的相似度。针对以上问题,在稀疏线性方法的基础上提出了融合评分上下文和物品相似度的推荐算法,算法分为三个阶段:第一个阶段使用加权评分计算物品最近邻进行特征选择;第二个阶段利用评分误差权重减少算法模型对受到上下文影响的评分的拟合,训练得出物品相似度矩阵;第三个阶段根据用户评分和物品相似度进行评分预测以完成物品推荐。在MovieLens的四个数据集上进行实验,采用平均准确率(MAP)、平均倒数排名(MRR)和归一化折损累计增益(NDCG)指标来评估算法效果。实验结果表明,融合评分上下文将进一步提高物品相似度的准确性,从而提高推荐的性能。
-
关键词
显式反馈
推荐系统
评分上下文
物品相似度
稀疏线性方法
-
Keywords
explicit feedback
recommendation system
rating context
item similarity
sparse linear method
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名稳健稀疏线性判别分析方法在人脸识别中的应用
- 2
-
-
作者
鞠厦轶
吕开云
龚循强
-
机构
东华理工大学测绘工程学院
-
出处
《江西科学》
2021年第5期938-942,共5页
-
基金
江西省教育厅科学技术科技项目(GJJ150591)
2020年度江西省研究生创新专项资金项目(DHYC-202019)。
-
文摘
线性判别分析(LDA)是一种在机器学习领域众所周知的监督分类方法,在特征提取方面效果显著。传统的LDA解决了散度矩阵中存在奇异矩阵的问题,但却没有考虑人脸图像中可能存在的椒盐噪声,且无法确定低维空间维数。为此,采用稳健稀疏线性判别分析(Robust Sparse Linear Discriminant Analysis,RSLDA)进行人脸识别,选取公开的人脸库(ORL、CMU_PIE、Yale B)对LDA、PCA+LDA、ULDA、OLDA、L21FLDA和RSLDA这6种方法进行系统地比较。实验结果表明,在原始人脸图像中,RSLDA的识别率均在94.82%以上,均高于其他5种方法。当人脸图像存在椒盐噪声时,RSLDA的识别率远高于其他方法。
-
关键词
线性判别分析方法
稳健稀疏线性判别分析方法
椒盐噪声
人脸识别
识别率
-
Keywords
linear discriminant analysis method
robust sparse linear discriminant analysis method
salt and pepper noise
face recognition
feature extraction
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
