期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到966篇文章
< 1 2 … 49 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于项目评分预测的协同过滤推荐算法 被引量：556
1
作者 邓爱林 朱扬勇 施伯乐 《软件学报》 EI CSCD 北大核心 2003年第9期1621-1628,共8页
推荐系统是电子商务系统中最重要的技术之一.随着电子商务系统用户数目和商品数目的日益增加,在整个商品空间上用户评分数据极端稀疏,传统的相似性度量方法均存在各自的弊端,导致推荐系统的推荐质量急剧下降.针对用户评分数据极端稀疏... 推荐系统是电子商务系统中最重要的技术之一.随着电子商务系统用户数目和商品数目的日益增加,在整个商品空间上用户评分数据极端稀疏,传统的相似性度量方法均存在各自的弊端,导致推荐系统的推荐质量急剧下降.针对用户评分数据极端稀疏情况下传统相似性度量方法的不足,提出了一种基于项目评分预测的协同过滤推荐算法,根据项目之间的相似性初步预测用户对未评分项目的评分,在此基础上,采用一种新颖的相似性度量方法计算目标用户的最近邻居.实验结果表明,该算法可以有效地解决用户评分数据极端稀疏情况下 传统相似性度量方法存在的问题,显著地提高推荐系统的推荐质量. 展开更多
关键词 电子商务 推荐系统 协同过滤 项目相似性 推荐算法 平均绝对偏差
下载PDF
个性化推荐系统综述 被引量：334
2
作者 王国霞 刘贺平 《计算机工程与应用》 CSCD 2012年第7期66-76,共11页
信息超载是目前网络用户面临的一个严重问题,个性化推荐系统是解决该问题的一个有力工具,并受到了众多的关注和研究。给出推荐系统的定义,同时阐述了推荐系统的几项关键技术,包括用户建模、推荐对象的建模和推荐算法。后来总结了推荐系... 信息超载是目前网络用户面临的一个严重问题,个性化推荐系统是解决该问题的一个有力工具,并受到了众多的关注和研究。给出推荐系统的定义,同时阐述了推荐系统的几项关键技术,包括用户建模、推荐对象的建模和推荐算法。后来总结了推荐系统的体系结构和性能评价指标,并尝试给出了推荐系统未来研究的重点、难点和热点问题。 展开更多
关键词 推荐系统 信息超载 推荐算法 个性化
下载PDF
基于排序学习的推荐算法研究综述 被引量：108
3
作者 黄震华 张佳雯 +2 位作者 田春岐 孙圣力 向阳 《软件学报》 EI CSCD 北大核心 2016年第3期691-713,共23页
排序学习技术尝试用机器学习的方法解决排序问题,已被深入研究并广泛应用于不同的领域,如信息检索、文本挖掘、个性化推荐、生物医学等.将排序学习融入推荐算法中,研究如何整合大量用户和物品的特征,构建更加贴合用户偏好需求的用户模型... 排序学习技术尝试用机器学习的方法解决排序问题,已被深入研究并广泛应用于不同的领域,如信息检索、文本挖掘、个性化推荐、生物医学等.将排序学习融入推荐算法中,研究如何整合大量用户和物品的特征,构建更加贴合用户偏好需求的用户模型,以提高推荐算法的性能和用户满意度,成为基于排序学习推荐算法的主要任务.对近些年基于排序学习的推荐算法研究进展进行综述,并对其问题定义、关键技术、效用评价、应用进展等进行概括、比较和分析.最后,对基于排序学习的推荐算法的未来发展趋势进行探讨和展望. 展开更多
关键词 排序学习 推荐算法 机器学习 兴趣模型 个性化服务
下载PDF
基于领域最近邻的协同过滤推荐算法 被引量：93
4
作者 李聪 梁昌勇 马丽 《计算机研究与发展》 EI CSCD 北大核心 2008年第9期1532-1538,共7页
协同过滤是目前电子商务推荐系统中广泛应用的最成功的推荐技术,但面临严峻的用户评分数据稀疏性和推荐实时性挑战.针对上述问题,提出了基于领域最近邻的协同过滤推荐算法,以用户评分项并集作为用户相似性计算基础,将并集中的非目标用... 协同过滤是目前电子商务推荐系统中广泛应用的最成功的推荐技术,但面临严峻的用户评分数据稀疏性和推荐实时性挑战.针对上述问题,提出了基于领域最近邻的协同过滤推荐算法,以用户评分项并集作为用户相似性计算基础,将并集中的非目标用户区分为无推荐能力和有推荐能力两种类型;对于前一类用户不再计算用户相似性以改善推荐实时性,对于后一类用户则提出"领域最近邻"方法对并集中的未评分项进行评分预测,从而降低数据稀疏性和提高最近邻寻找准确性.实验结果表明,该算法能有效提高推荐质量. 展开更多
关键词 协同过滤 推荐算法 领域最近邻 用户相似性 平均绝对误差
下载PDF
一种基于用户聚类的协同过滤推荐算法 被引量：70
5
作者 李涛 王建东 +2 位作者 叶飞跃 冯新宇 张有东 《系统工程与电子技术》 EI CSCD 北大核心 2007年第7期1178-1182,共5页
为解决传统协同过滤算法在生成推荐时的速度瓶颈问题,提出了一种基于用户聚类的协同过滤推荐算法。该算法将推荐过程分成了离线和在线两个部分。离线时,算法对基本用户数据进行预处理,并对基本用户聚类;在线时,算法利用已有的用户聚类... 为解决传统协同过滤算法在生成推荐时的速度瓶颈问题,提出了一种基于用户聚类的协同过滤推荐算法。该算法将推荐过程分成了离线和在线两个部分。离线时,算法对基本用户数据进行预处理,并对基本用户聚类;在线时,算法利用已有的用户聚类寻找目标用户最近邻居,并产生推荐。实验表明,基于用户聚类的协同过滤推荐算法不仅加快了推荐生成速度,而且提高了推荐质量。 展开更多
关键词 推荐算法 协同过滤 聚类 平均绝对误差
下载PDF
推荐系统综述 被引量：50
6
作者 于蒙 何文涛 +3 位作者 周绪川 崔梦天 吴克奇 周文杰 《计算机应用》 CSCD 北大核心 2022年第6期1898-1913,共16页
随着网络应用的不断发展,网络资源呈指数型增长,信息过载现象日益严重,如何高效获取符合需求的资源成为困扰人们的问题之一。推荐系统能对海量信息进行有效过滤,为用户推荐符合其需求的资源。对推荐系统的研究现状进行详细介绍,包括基... 随着网络应用的不断发展,网络资源呈指数型增长,信息过载现象日益严重,如何高效获取符合需求的资源成为困扰人们的问题之一。推荐系统能对海量信息进行有效过滤,为用户推荐符合其需求的资源。对推荐系统的研究现状进行详细介绍,包括基于内容的推荐、协同过滤推荐和混合推荐这三种传统推荐方式,并重点分析了基于卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)和图神经网络(GNN)这四种常见的深度学习推荐模型的研究进展;归纳整理了推荐领域常用的数据集,同时分析对比了传统推荐算法和基于深度学习的推荐算法的差异。最后,总结了实际应用中具有代表性的推荐模型,讨论了推荐系统面临的挑战和未来的研究方向。 展开更多
关键词 推荐算法 协同过滤 深度学习 卷积神经网络 深度神经网络 循环神经网络 图神经网络
下载PDF
基于联合概率矩阵分解的上下文广告推荐算法 被引量：50
7
作者 涂丹丹 舒承椿 余海燕 《软件学报》 EI CSCD 北大核心 2013年第3期454-464,共11页
上下文广告与用户兴趣及网页内容相匹配,可增强用户体验并提高广告点击率.而广告收益与广告点击率直接相关,准确预测广告点击率是提高上下文广告收益的关键.目前,上下文广告推荐面临如下问题:(1)网页数量及用户数量规模很大;(2)历史广... 上下文广告与用户兴趣及网页内容相匹配,可增强用户体验并提高广告点击率.而广告收益与广告点击率直接相关,准确预测广告点击率是提高上下文广告收益的关键.目前,上下文广告推荐面临如下问题:(1)网页数量及用户数量规模很大;(2)历史广告点击数据十分稀疏,导致点击率预测准确率低.针对上述问题,提出一种基于联合概率矩阵分解的因子模型AdRec,它结合用户、广告和网页三者信息进行广告推荐,以解决数据稀疏时点击率预测准确率低的问题.算法复杂度随着观测数据数量的增加呈线性增长,因此可应用于大规模数据. 展开更多
关键词 推荐算法 联合概率矩阵分解 上下文广告 准确率 数据稀疏
下载PDF
基于关联规则算法的推荐方法研究综述 被引量：48
8
作者 纪文璐 王海龙 +1 位作者 苏贵斌 柳林 《计算机工程与应用》 CSCD 北大核心 2020年第22期33-41,共9页
目前传统推荐算法已经被广泛应用于各类推荐系统,然而在推荐过程中仍然存在着无法处理非结构化数据、数据潜在关系发现困难、数据稀疏和冷启动等问题。关联规则技术的出现有效缓解了这些问题,推荐效率也因此得到提高。将关联规则技术的... 目前传统推荐算法已经被广泛应用于各类推荐系统,然而在推荐过程中仍然存在着无法处理非结构化数据、数据潜在关系发现困难、数据稀疏和冷启动等问题。关联规则技术的出现有效缓解了这些问题,推荐效率也因此得到提高。将关联规则技术的特殊属性与推荐算法进行高质量的结合成为推荐领域的研究热点。通过综述关联规则技术与数据的不同关联规则类别在传统推荐算法中的应用,对传统算法在推荐过程中的优缺点进行了归纳阐述。针对基于关联规则推荐算法的研究进行总结,并对其未来的发展趋势进行展望。 展开更多
关键词 关联规则 数据挖掘 推荐算法 协同过滤
下载PDF
一种改进相似性度量的协同过滤推荐算法 被引量：38
9
作者 文俊浩 舒珊 《计算机科学》 CSCD 北大核心 2014年第5期68-71,共4页
协同过滤算法是目前电子商务推荐系统中最重要的技术之一,其中相似性度量方法的效果直接决定了推荐系统的准确率。传统的相似性度量方法主要关注用户共同评分项之间的相似度,却忽视了用户共同评分项和用户所有评分项之间的关系。用户共... 协同过滤算法是目前电子商务推荐系统中最重要的技术之一,其中相似性度量方法的效果直接决定了推荐系统的准确率。传统的相似性度量方法主要关注用户共同评分项之间的相似度,却忽视了用户共同评分项和用户所有评分项之间的关系。用户共同评分项和用户所有评分项之间的关系可以通过Tanimoto系数来计算,然而Tanimoto系数是基于二值模式下的运算,因此直接运用于推荐系统中的效果并不理想。基于上述问题提出了修正的Tanimoto系数,并将用户共同评分项和用户所有评分项之间的关系融入到传统的相似性度量方法中。实验表明该算法在一定程度上提高了推荐的效率和准确度。 展开更多
关键词 协同过滤推荐 相似性计算 Tanimoto系数 推荐算法
下载PDF
基于标签和协同过滤的个性化资源推荐 被引量：37
10
作者 蔡强 韩东梅 +2 位作者 李海生 胡耀光 陈谊 《计算机科学》 CSCD 北大核心 2014年第1期69-71,110,共4页
传统的协同过滤算法以用户评分体现用户兴趣偏好及资源相似度,忽视了用户、资源自身的特征,并且对稀疏数据和新资源的推荐质量明显下降。在Web2.0时代下,标签可被用户依个人偏好进行自由资源标注。因此,提出了基于标签和协同过滤的推荐... 传统的协同过滤算法以用户评分体现用户兴趣偏好及资源相似度,忽视了用户、资源自身的特征,并且对稀疏数据和新资源的推荐质量明显下降。在Web2.0时代下,标签可被用户依个人偏好进行自由资源标注。因此,提出了基于标签和协同过滤的推荐算法。其基本思想是将标签作为体现用户兴趣偏好和资源特征的信息,依据用户、标签及资源的多维关系生成用户及资源的标签特征向量,并计算用户对资源的偏好程度和资源相似度,然后基于用户的历史行为预测用户对其他资源的偏好值,最后依据预测偏好值排序产生Top-N推荐结果。通过与传统的协同过滤算法的比较,验证了本算法能有效缓解数据的稀疏性,解决推荐的冷启动问题,提升推荐的准确性,获得更好的推荐效果。 展开更多
关键词 标签 协同过滤 推荐算法 用户偏好 资源相似度
下载PDF
协同过滤推荐算法研究:考虑在线评论情感倾向 被引量：35
11
作者 王伟 王洪伟 孟园 《系统工程理论与实践》 EI CSSCI CSCD 北大核心 2014年第12期3238-3249,共12页
协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐,其核心是定义用户之间的兴趣相似度.本文在传统的协同过滤推荐算法基础上,考虑在线评论对用户相似度识别的影响.在混合商品推荐中,粗粒度识别评论情感极性;而在同类商品... 协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐,其核心是定义用户之间的兴趣相似度.本文在传统的协同过滤推荐算法基础上,考虑在线评论对用户相似度识别的影响.在混合商品推荐中,粗粒度识别评论情感极性;而在同类商品推荐中,细粒度识别每个商品特征的情感极性.如果用户对产品的某个特征评价次数大于平均次数,表明用户对该特征较关注;如果对产品的某个特征评价低于平均评价,表明用户对该特征较挑剔.进而根据用户评论来建立用户偏好模型,用户在评论中反映出来的相似度越高,表明用户之间的偏好越一致.实验表明,同传统的协同过滤算法相比,基于在线评论情感分析的用户协同过滤算法在准确率和召回率指标上有显著提升. 展开更多
关键词 推荐系统 推荐算法 协同过滤 在线评论 情感分析
原文传递
基于主题模型的个性化图书推荐算法 被引量：35
12
作者 郑祥云 陈志刚 +1 位作者 黄瑞 李博 《计算机应用》 CSCD 北大核心 2015年第9期2569-2573,共5页
针对传统推荐算法精准度不高的问题,在潜在狄利克雷分布(LDA)主题挖掘模型的基础上提出了一种新的适用于图书推荐(BR)的数据挖掘模型——BR_LDA模型。通过对目标借阅者的历史借阅数据与其他图书数据进行内容相似度分析,得到与目标借阅... 针对传统推荐算法精准度不高的问题,在潜在狄利克雷分布(LDA)主题挖掘模型的基础上提出了一种新的适用于图书推荐(BR)的数据挖掘模型——BR_LDA模型。通过对目标借阅者的历史借阅数据与其他图书数据进行内容相似度分析,得到与目标借阅者历史借阅图书内容相似度较高的其他图书。通过对目标借阅者的历史借阅数据及其他借阅者的历史借阅数据进行相似性分析,得到最近邻借阅者的历史借阅数据。通过求解图书被推荐的概率,最终得到目标借阅者潜在感兴趣的图书。特别地,当推荐数量为4 000时,BR_LDA模型比基于多特征方法和关联规则方法精准度分别提高了6.2%、4.5%;当推荐数量为500时,BR_LDA模型比协同过滤的近邻方法和矩阵分解方法分别提高了2.1%、0.5%。实验表明本模型能够更准确地向目标借阅者推荐历史感兴趣类别的新图书及潜在感兴趣的新类别的图书。 展开更多
关键词 图书推荐 图书管理系统 数据挖掘 推荐算法
下载PDF
适应性学习路径推荐算法及应用研究 被引量：33
13
作者 赵呈领 陈智慧 黄志芳 《中国电化教育》 CSSCI 北大核心 2015年第8期85-91,共7页
在适应性学习路径推荐中,推荐算法起着至关重要的作用。本研究从算法性质的角度归类,将学习路径推荐系统中的推荐算法归为三大类:智能优化算法、数据挖掘算法以及基于知识的推荐算法。结合已开发的学习路径推荐系统,本文从算法性能、学... 在适应性学习路径推荐中,推荐算法起着至关重要的作用。本研究从算法性质的角度归类,将学习路径推荐系统中的推荐算法归为三大类:智能优化算法、数据挖掘算法以及基于知识的推荐算法。结合已开发的学习路径推荐系统,本文从算法性能、学习路径推荐中考虑的因素及算法应用三方面进行比较与分析,总结出上述推荐算法在学习路径推荐中的应用策略和应用中的优势及不足,最后探讨了学习路径推荐的实践应用价值,以期为适应性学习路径推荐领域的研究提供有价值的参考与借鉴。 展开更多
关键词 适应性学习 学习路径 推荐算法
下载PDF
融合用户社会地位和矩阵分解的推荐算法 被引量：32
14
作者 余永红 高阳 +1 位作者 王皓 孙栓柱 《计算机研究与发展》 EI CSCD 北大核心 2018年第1期113-124,共12页
随着社交网络服务的日益流行,社交网络平台为推荐算法提供了丰富的额外信息.假设朋友之间共享更多的共同偏好并且用户往往易于接受来自朋友的推荐,越来越多的推荐系统利用社交网络中用户之间的信任关系来改进传统推荐算法的性能.然而,... 随着社交网络服务的日益流行,社交网络平台为推荐算法提供了丰富的额外信息.假设朋友之间共享更多的共同偏好并且用户往往易于接受来自朋友的推荐,越来越多的推荐系统利用社交网络中用户之间的信任关系来改进传统推荐算法的性能.然而,现有基于社交网络推荐算法忽略了2个问题:1)在不同的领域中,用户信任不同的朋友;2)由于用户在不同的领域内具有不同的社会地位,因此,用户在不同的领域内受朋友的影响程度是不同的.首先利用整体的社交网络结构信息和用户的评分信息推导特定领域社交网络结构,然后利用PageRank算法计算用户在特定领域的社会地位,最后提出了一种融合用户社会地位信息的矩阵分解推荐算法.在真实数据集上的实验结果表明:融合用户地位信息的矩阵分解推荐算法的性能优于传统的基于社交网络推荐算法. 展开更多
关键词 用户社会地位 矩阵分解 推荐算法 PAGERANK算法 社交网络
下载PDF
基于数据稀疏性的协同过滤推荐算法改进研究 被引量：32
15
作者 岳希 唐聃 +1 位作者 舒红平 安义文 《工程科学与技术》 EI CAS CSCD 北大核心 2020年第1期198-202,共5页
针对根据用户的活动行为向其推荐感兴趣项目的协同过滤推荐算法,随着用户数量和项目数量增多,用户在单一项目上的活动行为减少,导致推荐质量不佳的问题,本文提出了在数据稀疏的情况下提高推荐质量的优化算法。将基于项目和基于用户的推... 针对根据用户的活动行为向其推荐感兴趣项目的协同过滤推荐算法,随着用户数量和项目数量增多,用户在单一项目上的活动行为减少,导致推荐质量不佳的问题,本文提出了在数据稀疏的情况下提高推荐质量的优化算法。将基于项目和基于用户的推荐方法相结合,根据用户之间的相似度初步预测用户对项目的评分,再基于项目之间的相似度产生推荐;在填补未评分的空缺值时,将平均值与预测值相结合;在计算相似度时,考虑用户之间共同评分的项目数权重和项目之间被用户共同评分的用户数权重。实验首先对比了几种基本推荐算法的推荐效果以选取较佳的基本算法进行研究,接着将本文提出的优化算法与其他算法进行了对比,最后不同程度地增加数据稀疏性进一步进行对比。结果表明:在优化算法的实验中,本文提出的优化算法一直具有较好的推荐效果;在数据稀疏性改变的实验中,随着数据稀疏度的增大,本文提出的优化算法推荐效果更具有明显优势。 展开更多
关键词 稀疏性 推荐算法 相似度 优化
下载PDF
社交媒体平台群体极化的形成机理与引导策略研究 被引量：32
16
作者 卢智增 高翔 《情报理论与实践》 CSSCI 北大核心 2021年第8期51-58,共8页
近年来,社交媒体平台在"流量经济"的趋势下,过度使用算法技术,将用户推入"信息茧房"和"回音室",由群体极化引起的极端观点明显增加,通过对社交媒体平台中群体极化形成机理的研究,可以为政府调控舆论的极... 近年来,社交媒体平台在"流量经济"的趋势下,过度使用算法技术,将用户推入"信息茧房"和"回音室",由群体极化引起的极端观点明显增加,通过对社交媒体平台中群体极化形成机理的研究,可以为政府调控舆论的极化提供一定参考。文章在回顾国内外有关群体极化研究文献的基础上,通过对社交媒体中群体极化案例的观察,归纳出网络群体极化产生的社会效应,以及社交媒体平台中群体极化形成的诱因,并根据前人研究与所归纳的因素,分析出网络群体极化形成的三种合力,即推动力、摇摆力和阻滞力,进而构建社交媒体平台群体极化的动力机理模型和形成机理模型。依据所得模型和归纳的结论,在合理引导网络群体极化的原则上,提出了相应的引导策略。 展开更多
关键词 社交媒体平台 群体极化 推荐算法 信息茧房 回音室 形成机理 引导策略
原文传递
融合社区结构和兴趣聚类的协同过滤推荐算法 被引量：32
17
作者 郭弘毅 刘功申 +1 位作者 苏波 孟魁 《计算机研究与发展》 EI CSCD 北大核心 2016年第8期1664-1672,共9页
传统的协同过滤推荐算法受限于数据稀疏性问题,导致推荐结果较差.用户的社交关系信息能够体现用户之间的相互影响,将其用于推荐算法能够提高推荐结果的准确度,目前的社交化推荐算法大多只考虑了用户的直接社交关系,没有利用到潜在的用... 传统的协同过滤推荐算法受限于数据稀疏性问题,导致推荐结果较差.用户的社交关系信息能够体现用户之间的相互影响,将其用于推荐算法能够提高推荐结果的准确度,目前的社交化推荐算法大多只考虑了用户的直接社交关系,没有利用到潜在的用户兴趣偏好信息以及群体聚类信息.针对上述情况,提出一种融合社区结构和兴趣聚类的协同过滤推荐算法.首先通过重叠社区发现算法挖掘用户社交网络中存在的社区结构,同时利用项目所属类别信息,设计模糊聚类算法挖掘用户兴趣偏好层面的聚类信息.然后将2种聚类信息融合到矩阵分解模型的优化分解过程中.在Yelp数据集上进行了新算法与其他算法的对比实验,结果表明,该算法能够有效提高推荐结果的准确度. 展开更多
关键词 重叠社区 兴趣聚类 推荐算法 协同过滤 矩阵分解
下载PDF
个性化学习推荐研究综述 被引量：30
18
作者 吴正洋 汤庸 刘海 《计算机科学与探索》 CSCD 北大核心 2022年第1期21-40,共20页
个性化学习推荐是智能学习的一个研究领域,其目标是在学习平台上给特定学习者提供有效学习资源,从而提升学习积极性与学习效果。虽然现有的推荐方法已被广泛用于教学场景,但教学活动自身的科学规律,使个性化学习推荐在个性化参数设置、... 个性化学习推荐是智能学习的一个研究领域,其目标是在学习平台上给特定学习者提供有效学习资源,从而提升学习积极性与学习效果。虽然现有的推荐方法已被广泛用于教学场景,但教学活动自身的科学规律,使个性化学习推荐在个性化参数设置、推荐目标设定、评价标准设计等方面具有一定的特殊性。针对上述问题,在调研大量文献的基础上对近年来个性化学习推荐的研究进行了综述。从学习推荐通用框架、学习者建模、学习推荐对象建模、学习推荐算法、学习推荐评价五方面对个性化学习推荐的相关研究进行了系统的梳理和解读。首先提出了学习推荐系统的通用框架,其次介绍了学习者建模的思路和方法,接着讨论了学习推荐对象建模的思路和方法,然后归纳了学习推荐的算法与模型,接下来总结了学习推荐评价的设计与方法。并对这五方面现有研究的主要思想、实施方案、优势及不足进行了分析。最后还展望了个性化学习推荐未来的发展方向,为智能学习的进一步深入研究奠定了基础。 展开更多
关键词 学习者模型 推荐算法 知识追踪 图神经网络 异质信息网络
下载PDF
基于时间衰减的协同过滤推荐算法 被引量：31
19
作者 董立岩 王越群 +2 位作者 贺嘉楠 孙铭会 李永丽 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2017年第4期1268-1272,共5页
针对传统的协同过滤算法在计算相似度时未考虑时间因素的影响,导致推荐结果不准确的问题,本文提出将时间因素融入用户项目评分矩阵中,以解决兴趣衰减的问题。首先将遗忘曲线和记忆周期作为时间因素融入算法之中,将艾宾浩斯遗忘曲线用于... 针对传统的协同过滤算法在计算相似度时未考虑时间因素的影响,导致推荐结果不准确的问题,本文提出将时间因素融入用户项目评分矩阵中,以解决兴趣衰减的问题。首先将遗忘曲线和记忆周期作为时间因素融入算法之中,将艾宾浩斯遗忘曲线用于指数函数拟合,从而获得时间与兴趣衰减的函数关系,以此用于优化用户项目的评分。并将改进的评分矩阵应用到基于项目的协同过滤推荐算法中进行推荐。在评分中加入记忆周期的影响,让目标用户对待预测的项目评分预测更为准确。实验结果表明,改进后的基于时间衰减协同过滤算法在准确性方面有显著的提高。 展开更多
关键词 计算机系统结构 协同过滤 推荐算法 时间衰减曲线 相似度
下载PDF
协同过滤中基于用户兴趣度的相似性度量方法 被引量：27
20
作者 嵇晓声 刘宴兵 罗来明 《计算机应用》 CSCD 北大核心 2010年第10期2618-2620,共3页
在个性化推荐算法中,相似性计算方法是决定算法推荐效率的关键。通过分析传统的相似性度量方法在推荐系统中存在的不足,提出了一种基于用户兴趣度的相似性计算方法。该方法利用用户对不同项目类别的兴趣程度与用户评分相结合进行用户之... 在个性化推荐算法中,相似性计算方法是决定算法推荐效率的关键。通过分析传统的相似性度量方法在推荐系统中存在的不足,提出了一种基于用户兴趣度的相似性计算方法。该方法利用用户对不同项目类别的兴趣程度与用户评分相结合进行用户之间的相似性计算,克服了传统相似性计算方法仅仅依据用户评分进行相似性计算的不足,并在一定程度上减少了评价数据稀疏的负面影响。实验结果表明,该方法可以有效地克服传统相似性方法中存在的不足,使推荐系统的推荐质量有明显提高。 展开更多
关键词 相似性 协同过滤 推荐系统 用户兴趣度 推荐算法
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 49 下一页 到第 页
使用帮助 返回顶部