期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于概率矩阵分解算法的社交网络用户兴趣点个性化推荐
被引量：
6
1
作者
张敏军
华庆一
《计算机科学》
CSCD
北大核心
2020年第12期144-148,共5页
在社交网络环境中,传统社交网络用户兴趣点的个性化推荐方法存在网络用户兴趣行为的预测精准性低、用户社交数据覆盖率低的问题,不能充分挖掘用户兴趣点的时空序列特征,为此提出了一种基于概率矩阵分解算法的社交网络用户兴趣点个性化...
在社交网络环境中,传统社交网络用户兴趣点的个性化推荐方法存在网络用户兴趣行为的预测精准性低、用户社交数据覆盖率低的问题,不能充分挖掘用户兴趣点的时空序列特征,为此提出了一种基于概率矩阵分解算法的社交网络用户兴趣点个性化推荐方法。在模型训练的伪代码群中,计算与矩阵概率的变异算子相关的数值结果,实现社交关系网络的物理分割,完成基于概率矩阵分解算法的社交网络节点建模。在此基础上,搭建个性化社交网络框架,按照用户兴趣行为的特征挖掘结果,选择个性化的用户来推荐节点,完成社交网络用户兴趣点个性化推荐方法的建立。实用性检测结果表明,与传统方法相比,应用新型个性化推荐方法后,网络用户兴趣行为的预测精准度最高可达100%,用户社交数据覆盖率约为75%,提高了网络用户兴趣行为的预测精准性和用户社交数据覆盖率,社交网络用户兴趣点的时空序列特征得到了充分挖掘。
展开更多
关键词
概率矩阵
分结算法
社交网络用户
兴趣点推荐
伪代码群
变异算子
行为特征
时空序列
在线阅读
下载PDF
职称材料
题名
基于概率矩阵分解算法的社交网络用户兴趣点个性化推荐
被引量：
6
1
作者
张敏军
华庆一
机构
西北大学信息科学与技术学院
出处
《计算机科学》
CSCD
北大核心
2020年第12期144-148,共5页
基金
国家自然科学基金资助项目(61272286)
高等学校博士学科点专项科研基金资助项目(20126101110006)。
文摘
在社交网络环境中,传统社交网络用户兴趣点的个性化推荐方法存在网络用户兴趣行为的预测精准性低、用户社交数据覆盖率低的问题,不能充分挖掘用户兴趣点的时空序列特征,为此提出了一种基于概率矩阵分解算法的社交网络用户兴趣点个性化推荐方法。在模型训练的伪代码群中,计算与矩阵概率的变异算子相关的数值结果,实现社交关系网络的物理分割,完成基于概率矩阵分解算法的社交网络节点建模。在此基础上,搭建个性化社交网络框架,按照用户兴趣行为的特征挖掘结果,选择个性化的用户来推荐节点,完成社交网络用户兴趣点个性化推荐方法的建立。实用性检测结果表明,与传统方法相比,应用新型个性化推荐方法后,网络用户兴趣行为的预测精准度最高可达100%,用户社交数据覆盖率约为75%,提高了网络用户兴趣行为的预测精准性和用户社交数据覆盖率,社交网络用户兴趣点的时空序列特征得到了充分挖掘。
关键词
概率矩阵
分结算法
社交网络用户
兴趣点推荐
伪代码群
变异算子
行为特征
时空序列
Keywords
Probability matrix
Sub-settlement method
Social network users
Interest point recommendation
Pseudocode group
Mutation operator
Behavioral characteristics
Space-time sequence
分类号
TP369 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于概率矩阵分解算法的社交网络用户兴趣点个性化推荐
张敏军
华庆一
《计算机科学》
CSCD
北大核心
2020
6
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
