-
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]
-
-
题名基于神经网络的多准则决策推荐系统
被引量：5
- 2
-
-
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]
-
-
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
- 3
-
-
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]
-
-
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
- 4
-
-
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]
-
