期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
从偏好数据库中挖掘Ceteris Paribus偏好 被引量:3
1
作者 辛冠琳 刘惊雷 《计算机应用》 CSCD 北大核心 2016年第8期2092-2098,2108,共8页
针对传统的推荐系统需要用户给出明确的偏好矩阵(U-I矩阵),进而使用自动化技术来获取用户偏好的问题,提出了一种从偏好数据库中挖掘出Agent的偏好信息的方法。从知识发现的角度,通过Ceteris Paribus规则(CP规则),提出了k阶偏好挖掘算法(... 针对传统的推荐系统需要用户给出明确的偏好矩阵(U-I矩阵),进而使用自动化技术来获取用户偏好的问题,提出了一种从偏好数据库中挖掘出Agent的偏好信息的方法。从知识发现的角度,通过Ceteris Paribus规则(CP规则),提出了k阶偏好挖掘算法(kPreM)。在算法中,利用k阶CP规则对偏好数据库中的信息进行剪枝处理,减少了数据库扫描次数,从而提高了偏好信息的挖掘效率。随后以一种通用的图模型——条件偏好网(CP-nets)为工具,揭示了用户的偏好可近似表达为CP-nets的定性条件偏好网。实验结果表明,用户的偏好都是带有条件的偏好。另外,通过挖掘得出的CP-nets偏好模型,为设计个性化的推荐系统提供了理论基础。 展开更多
关键词 自动化技术 偏好数据库 知识发现 CP规则 定性条件偏好
在线阅读 下载PDF
一种从偏好数据库中学习CP-nets结构的并行算法 被引量:2
2
作者 刘素 刘惊雷 《郑州大学学报(理学版)》 CAS 北大核心 2020年第2期71-76,共6页
不同于传统的条件偏好网络(conditional preference networks,CP-nets)结构学习方法,本文提出一种基于MapReduce框架的相关系数并行算法。首先建立了偏好数据库上的相关系数评分函数,对候选父亲结构并行地进行“评分+搜索”,随后基于序... 不同于传统的条件偏好网络(conditional preference networks,CP-nets)结构学习方法,本文提出一种基于MapReduce框架的相关系数并行算法。首先建立了偏好数据库上的相关系数评分函数,对候选父亲结构并行地进行“评分+搜索”,随后基于序空间搜索得到各节点的局部最优,继而得到全局最优。同时指出,一个属性的父亲集是由属性之间冗余度小且偏好影响大的属性集所构成。实验结果表明,所提出的相关系数算法不仅能够快速有效地获取变量之间的因果关系,而且能求取出每个属性的可行父亲集,得到CP-nets的拓扑结构。 展开更多
关键词 条件偏好网络 相关系数 MAPREDUCE 偏好数据库 结构学习
在线阅读 下载PDF
基于最大团的条件偏好挖掘 被引量:2
3
作者 谭征 刘惊雷 余航 《计算机应用》 CSCD 北大核心 2017年第11期3107-3114,共8页
针对在数据库的个性化查询中条件约束(或上下文约束)没有被充分考虑的问题,首先提出了条件约束模型i^+>i^-|X,它表示在上下文X的约束下,相对于i^-,用户更偏好i^+。在此模型的基础上,采用最大团(MaxClique)关联规则算法挖掘获得用户偏... 针对在数据库的个性化查询中条件约束(或上下文约束)没有被充分考虑的问题,首先提出了条件约束模型i^+>i^-|X,它表示在上下文X的约束下,相对于i^-,用户更偏好i^+。在此模型的基础上,采用最大团(MaxClique)关联规则算法挖掘获得用户偏好;随后又提出了条件偏好挖掘(CPM)算法,该算法结合上下文用于挖掘偏好规则,从而得出用户的偏好。实验结果表明,基于CPM算法的偏好挖掘模型具有较强的偏好表达能力,将CPM算法与基于Apriori的算法以及CONTENUM算法进行了实验对比,实验的主要参数为最小支持度、最小可信度、数据规模等,实验结果进一步表明所提出的CPM算法可明显提高用户偏好规则的产生效率。 展开更多
关键词 最大团 关联规则 偏好数据库 条件偏好规则 偏好挖掘
在线阅读 下载PDF
基于特征选择的CP-nets结构学习 被引量:1
4
作者 刘素 刘惊雷 《南京大学学报(自然科学版)》 CAS CSCD 北大核心 2019年第1期14-28,共15页
作为描述多属性之间定性条件偏好的一种图模型,条件偏好网(Conditional Preference networks,CP-nets)的结构学习问题在CP-nets的研究中起着重要的作用.不同于传统的CP-nets学习方法,提出基于信息论和特征选择的方法来研究偏好数据库上... 作为描述多属性之间定性条件偏好的一种图模型,条件偏好网(Conditional Preference networks,CP-nets)的结构学习问题在CP-nets的研究中起着重要的作用.不同于传统的CP-nets学习方法,提出基于信息论和特征选择的方法来研究偏好数据库上的CP-nets的结构学习问题.首先建立了偏好数据库上的互信息和条件互信息的求解方法,并将互信息看作一个属性和它的可行父亲之间的相关性,条件互信息看作可行父亲集中属性之间的冗余性,从而构造出极大相关极小冗余(Maximal Relevance Minimal Redundancy,mRMR)的目标函数,同时指出,一个属性的父亲集是由属性之间冗余度小,但对孩子属性的偏好却影响极大的属性子集组成的.随后基于特征选择中的mRMR方法来实现CP-nets的结构学习,并设计相应的算法来完成从偏好数据中学习CP-nets的结构.最后在电影推荐数据集上验证了算法的有效性.研究结果表明,基于mRMR的特征选择方法可有效获取变量之间的因果关系,从而求取出每个属性的父亲集合,进而获得CP-nets的结构. 展开更多
关键词 CP-nets结构学习 极大相关极小冗余 可行父亲集 偏好数据库上的互信息 特征选择
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部