检索结果-维普期刊中文期刊服务平台

协同过滤推荐系统中聚类搜索方法研究被引量：8: 1; 作者曹洪江傅魁《计算机工程与应用》 CSCD 2014年第5期16-20,28,共6页; 最近邻计算是协同过滤方法中直接影响到推荐系统的运行效率和推荐准确率的重要一环。当用户和项目数目达到一定规模的时候,推荐系统的可扩展性明显降低。聚类的方法能在一定程度上弥补这个缺陷,但同时又会带来推荐准确性的下降。提出了... 展开更多; 关键词协同过滤推荐系统聚类搜索方法倒排索引; 在线阅读下载PDF 职称材料

基于统计过程控制的协同推荐攻击检测方法被引量：2: 2; 作者刘清林孟珂李苏丰《计算机应用》 CSCD 北大核心 2012年第3期707-709,共3页; 针对恶意攻击者利用协同推荐系统用户偏好敏感的缺陷向系统中注入虚假数据破坏推荐结果真实性的问题,提出基于统计过程控制(SPC)的协同推荐攻击检测方法。该方法将用户概貌项目评价数偏离度作为服务质量控制属性构建休哈特控制图,利用... 展开更多; 关键词协同推荐系统统计过程控制用户概貌项目评价数偏离度托攻击攻击检测; 在线阅读下载PDF 职称材料

基于神经网络的多准则决策推荐系统被引量：5: 3; 作者陈娜毋江波《控制工程》 CSCD 北大核心 2018年第5期841-848,共8页; 针对电子商务中多准则决策协同过滤推荐系统的稀疏性问题,提出了一种基于神经网络的多准则决策协同过滤推荐系统,设计了多个相似性度量混合的机制来缓解稀疏性问题。首先,采用领域本体提取选项的信息,并且提取用户的访问信息;然后,使用... 展开更多; 关键词电子商务协同过滤推荐系统自适应神经模糊推理系统模糊理论领域本体相似性度量; 在线阅读下载PDF 职称材料

基于非线性特征和Cauchy加权M-估计量的鲁棒推荐算法被引量：5: 4; 作者张付志孙双侠伊华伟《计算机学报》 EI CSCD 北大核心 2017年第6期1453-1469,共17页; 协同推荐系统作为一种重要的个性化服务模式,在电子商务站点中的应用越来越广泛.然而,各种恶意欺骗和虚假反馈已制约了其应有效能的发挥.如何有效识别和抵御托攻击,确保系统推荐的可信性,是推荐系统研究面临的一大挑战.为了确保推荐的... 展开更多; 关键词托攻击鲁棒推荐算法核函数 Cauchy加权M-估计量矩阵分解协同推荐系统人工智能; 在线阅读下载PDF 职称材料

基于层次隐马尔可夫模型和神经网络的个性化推荐算法被引量：5: 5; 作者郭聃《计算机应用与软件》北大核心 2021年第1期313-319,329,共8页; 传统推荐系统将推荐准确性作为主要目标,而推荐结果的多样性和个性化有所欠缺。对此,设计一种基于层次隐马尔可夫模型和神经网络的推荐算法。采用层次隐马尔可夫模型建模用户喜好和上下文环境的关系,并通过隐马尔可夫模型预测上下文。... 展开更多; 关键词协同过滤推荐系统隐马尔可夫模型神经网络机器学习贝叶斯个性化排序推荐多样性; 在线阅读下载PDF 职称材料

一种利用半监督Fisher判别分析检测推荐攻击的方法: 6; 作者武锦霞周全强段亮亮《小型微型计算机系统》 CSCD 北大核心 2020年第12期2649-2656,共8页; 协同推荐系统容易受到推荐攻击,为了检测该攻击,很多无监督、有监督及半监督检测方法被提出,其中,半监督检测方法的优势在于可以利用无标签用户概貌提升检测性能.然而,已有半监督检测方法的准确率较低,针对该问题,本文提出一种基于半监... 展开更多; 关键词协同推荐系统推荐攻击检测半监督Fisher判别分析贝叶斯分类器; 在线阅读下载PDF 职称材料

基于噪声检测修正和神经网络的稀疏数据推荐算法被引量：6: 7; 作者张艳红俞龙《计算机应用与软件》北大核心 2020年第8期274-281,共8页; 协同过滤推荐算法对于含噪声稀疏数据集的推荐性能较弱,为此设计噪声检测修正和神经网络的稀疏数据top-k推荐算法。将用户和项目按评分分别分类为高分类、中等类和低分类,根据分类结果检测评分矩阵的奇异点,对奇异点做简单地修正处理。... 展开更多; 关键词协同过滤推荐系统噪声数据集稀疏数据集噪声过滤神经网络受限玻尔兹曼机; 在线阅读下载PDF 职称材料

题名协同过滤推荐系统中聚类搜索方法研究被引量：8: 1; 作者曹洪江傅魁; 机构武汉理工大学经济学院电子商务与智能服务研究中心; 出处《计算机工程与应用》 CSCD 2014年第5期16-20,28,共6页; 基金国家科技支撑计划资助项目(No.2011BAH16B02) 教育部人文社科基金资助项目(No.12YJC870002) 武汉理工大学中央高校基本科研业务费专项资金资助项目(No.2012-IV-054); 文摘最近邻计算是协同过滤方法中直接影响到推荐系统的运行效率和推荐准确率的重要一环。当用户和项目数目达到一定规模的时候,推荐系统的可扩展性明显降低。聚类的方法能在一定程度上弥补这个缺陷,但同时又会带来推荐准确性的下降。提出了一种与信息检索领域中的倒排索引相结合并采用"成员策略"的用户聚类搜索算法,缩短了最近邻计算的时间,实验的结果证明,该方法能在保证推荐正确性的前提下有效改善协同过滤推荐系统的可扩展性。; 关键词协同过滤推荐系统聚类搜索方法倒排索引; Keywords collaborative filtering recommendation system clustering search method inverted index; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于统计过程控制的协同推荐攻击检测方法被引量：2: 2; 作者刘清林孟珂李苏丰; 机构中国矿业大学计算机科学与技术学院; 出处《计算机应用》 CSCD 北大核心 2012年第3期707-709,共3页; 文摘针对恶意攻击者利用协同推荐系统用户偏好敏感的缺陷向系统中注入虚假数据破坏推荐结果真实性的问题,提出基于统计过程控制(SPC)的协同推荐攻击检测方法。该方法将用户概貌项目评价数偏离度作为服务质量控制属性构建休哈特控制图,利用判异规则检测攻击用户,从而完善协同推荐系统模型。实验证明这种检测方法对各种不同的攻击模型都有较高的检测准确率和查全率。; 关键词协同推荐系统统计过程控制用户概貌项目评价数偏离度托攻击攻击检测; Keywords collaborative recommender system Statistical Process Control（SPC） deviation from average of rating number shilling attack attack detection; 分类号 TP393.08 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于神经网络的多准则决策推荐系统被引量：5: 3; 作者陈娜毋江波; 机构山西交通职业技术学院信息工程系山西大学经济与管理学院; 出处《控制工程》 CSCD 北大核心 2018年第5期841-848,共8页; 基金国家社会科学基金项目(14BTQ027); 文摘针对电子商务中多准则决策协同过滤推荐系统的稀疏性问题,提出了一种基于神经网络的多准则决策协同过滤推荐系统,设计了多个相似性度量混合的机制来缓解稀疏性问题。首先,采用领域本体提取选项的信息,并且提取用户的访问信息;然后,使用模糊理论对用户的评价信息进行建模,解决用户评价的不确定性与复杂性;最终,采用自适应神经模糊推理系统预测选项的总评分与选项各个准则评分之间的关系,设计了基于梯度下降法的凸组合机制,提高了冷启动用户相似性度量的鲁棒性与可靠性,最小化系统的预测误差。实验结果显示本算法有效地缓解了稀疏性问题,并且获得了较高的推荐准确率。; 关键词电子商务协同过滤推荐系统自适应神经模糊推理系统模糊理论领域本体相似性度量; Keywords Electronic commerce collaborative filtering recommendation adaptive network based fuzzy inference system fuzzy theory domain ontology similarity measure; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于非线性特征和Cauchy加权M-估计量的鲁棒推荐算法被引量：5: 4; 作者张付志孙双侠伊华伟; 机构燕山大学信息科学与工程学院河北省计算机虚拟技术与系统集成重点实验室(燕山大学); 出处《计算机学报》 EI CSCD 北大核心 2017年第6期1453-1469,共17页; 基金国家自然科学基金(61379116) 河北省自然科学基金(F2013203124 +1 种基金 F2015203046) 河北省高等学校科学技术研究重点项目基金(ZH2012028)资助~~; 文摘协同推荐系统作为一种重要的个性化服务模式,在电子商务站点中的应用越来越广泛.然而,各种恶意欺骗和虚假反馈已制约了其应有效能的发挥.如何有效识别和抵御托攻击,确保系统推荐的可信性,是推荐系统研究面临的一大挑战.为了确保推荐的可信性,人们提出了各种基于矩阵分解的鲁棒协同推荐算法.但是这些推荐算法在面对托攻击时不仅精度损失大,而且鲁棒性较差.为此,该文提出一种基于非线性特征和Cauchy加权M-估计量的鲁棒推荐算法.首先,采用核主成分分析方法提取用户评分矩阵的非线性特征,以充分挖掘推荐系统中用户(或项目)之间的内在关联,最大限度地保留用户和项目的特征信息,提高推荐精度和鲁棒性;然后,引入鲁棒统计中的Cauchy加权M-估计量,并联合矩阵分解模型对用户和项目特征矩阵进行鲁棒参数估计,以限制攻击概貌对参数估计过程产生的影响;最后,设计相应的鲁棒协同推荐算法,并在MovieLens和Netflix数据集上对算法的有效性进行评价.实验结果表明:该文算法在推荐精度和鲁棒性方面明显优于现有的鲁棒推荐算法.; 关键词托攻击鲁棒推荐算法核函数 Cauchy加权M-估计量矩阵分解协同推荐系统人工智能; Keywords shilling attacks robust recommendation algorithm kernel function Cauchy weighted M-estimator matrix factorization collaborative recommender system artificiall intelligence; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于层次隐马尔可夫模型和神经网络的个性化推荐算法被引量：5: 5; 作者郭聃; 机构四川现代职业学院电子信息技术系; 出处《计算机应用与软件》北大核心 2021年第1期313-319,329,共8页; 文摘传统推荐系统将推荐准确性作为主要目标,而推荐结果的多样性和个性化有所欠缺。对此,设计一种基于层次隐马尔可夫模型和神经网络的推荐算法。采用层次隐马尔可夫模型建模用户喜好和上下文环境的关系,并通过隐马尔可夫模型预测上下文。设计神经网络结构来解决协同过滤推荐的问题,同时神经网络满足贝叶斯个性化排序的条件,实现对推荐列表的个性化排序。实验结果表明,该算法在保持推荐准确性的前提下,提高了推荐的多样性和个性化。; 关键词协同过滤推荐系统隐马尔可夫模型神经网络机器学习贝叶斯个性化排序推荐多样性; Keywords Collaborative filtering recommender system Hidden Markov model Neural networks Machine learning Bayesian personalized ranking Recommendation diversity; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名一种利用半监督Fisher判别分析检测推荐攻击的方法: 6; 作者武锦霞周全强段亮亮; 机构青岛理工大学信息与控制工程学院; 出处《小型微型计算机系统》 CSCD 北大核心 2020年第12期2649-2656,共8页; 基金山东省自然科学基金项目(ZR2019PF019)资助。; 文摘协同推荐系统容易受到推荐攻击,为了检测该攻击,很多无监督、有监督及半监督检测方法被提出,其中,半监督检测方法的优势在于可以利用无标签用户概貌提升检测性能.然而,已有半监督检测方法的准确率较低,针对该问题,本文提出一种基于半监督Fisher判别分析(Semi-supervised Fisher Discriminant Analysis,SFDA)的推荐攻击检测方法RAD-SFDA来提升半监督检测方法的准确率.首先,利用Fisher判别分析(Fisher Discriminant Analysis,FDA)技术结合有标签用户概貌确定投影向量,在投影后的空间中最大化真实概貌和攻击概貌的离散度的同时最小化同类用户概貌间的离散度;然后,利用主元分析(Principal Components Analysis,PCA)技术从有标签和无标签用户概貌建立的数据集中提取全局结构;最后,综合上述由有标签用户概貌确定的判别结构和由所有用户概貌确定的全局结构确定最佳投影向量,在最终的投影空间中训练贝叶斯分类器检测推荐攻击.在MovieLens数据集上的实验结果表明,本文方法在保持较高召回率的前提下有效提升了准确率.; 关键词协同推荐系统推荐攻击检测半监督Fisher判别分析贝叶斯分类器; Keywords collaborative recommender system recommendation attack detection semi-supervised Fisher discriminant analysis Bayes classifier; 分类号 TP309 [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

题名基于噪声检测修正和神经网络的稀疏数据推荐算法被引量：6: 7; 作者张艳红俞龙; 机构广东技术师范大学天河学院计算机科学与工程学院华南农业大学电子工程学院; 出处《计算机应用与软件》北大核心 2020年第8期274-281,共8页; 基金广东省科技计划项目(2013B020314014) 广东省教育科学规划教育信息技术研究专项(14JXN060) 广东技术师范大学天河学院计算机科学与技术重点学科建设项目(Xjt201702)。; 文摘协同过滤推荐算法对于含噪声稀疏数据集的推荐性能较弱,为此设计噪声检测修正和神经网络的稀疏数据top-k推荐算法。将用户和项目按评分分别分类为高分类、中等类和低分类,根据分类结果检测评分矩阵的奇异点,对奇异点做简单地修正处理。建立基于兴趣关系的受限玻尔兹曼机模型,将用户对项目的兴趣关系以及项目的次级信息作为条件受限玻尔兹曼机的输入,预测目标用户的top-k推荐列表。基于多个数据集的实验结果表明,该算法有效地提高稀疏数据的推荐性能,并且推荐列表的排序也较为准确。; 关键词协同过滤推荐系统噪声数据集稀疏数据集噪声过滤神经网络受限玻尔兹曼机; Keywords Collaborative filtering recommendation system Noisy dataset Sparse dataset Noise filtering Neural networks Restricted Boltzmann machine; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 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	协同过滤推荐系统中聚类搜索方法研究	曹洪江傅魁	《计算机工程与应用》 CSCD	2014	8	在线阅读下载PDF 职称材料
2	基于统计过程控制的协同推荐攻击检测方法	刘清林孟珂李苏丰	《计算机应用》 CSCD 北大核心	2012	2	在线阅读下载PDF 职称材料
3	基于神经网络的多准则决策推荐系统	陈娜毋江波	《控制工程》 CSCD 北大核心	2018	5	在线阅读下载PDF 职称材料
4	基于非线性特征和Cauchy加权M-估计量的鲁棒推荐算法	张付志孙双侠伊华伟	《计算机学报》 EI CSCD 北大核心	2017	5	在线阅读下载PDF 职称材料
5	基于层次隐马尔可夫模型和神经网络的个性化推荐算法	郭聃	《计算机应用与软件》北大核心	2021	5	在线阅读下载PDF 职称材料
6	一种利用半监督Fisher判别分析检测推荐攻击的方法	武锦霞周全强段亮亮	《小型微型计算机系统》 CSCD 北大核心	2020	0	在线阅读下载PDF 职称材料
7	基于噪声检测修正和神经网络的稀疏数据推荐算法	张艳红俞龙	《计算机应用与软件》北大核心	2020	6	在线阅读下载PDF 职称材料