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
2
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
适应用户兴趣变化的协同过滤推荐算法
被引量：
149
1
作者
邢春晓
高凤荣
+1 位作者
战思南
周立柱
《计算机研究与发展》
EI
CSCD
北大核心
2007年第2期296-301,共6页
协同过滤算法是至今为止最成功的个性化推荐技术之一,被应用到很多领域中.但传统协同过滤算法不能及时反映用户的兴趣变化.针对这个问题,提出两种改进度量:基于时间的数据权重和基于资源相似度的数据权重,在此基础上将它们有机结合,并...
协同过滤算法是至今为止最成功的个性化推荐技术之一,被应用到很多领域中.但传统协同过滤算法不能及时反映用户的兴趣变化.针对这个问题,提出两种改进度量:基于时间的数据权重和基于资源相似度的数据权重,在此基础上将它们有机结合,并将这两种权重引入基于资源的协同过滤算法的生成推荐过程中.实验表明,改进后的算法比传统协同过滤算法在推荐准确度上有明显提高.
展开更多
关键词
协同过滤
个性化推荐
基于时间的数据权重
基于资源相似度
的数据
权重
在线阅读
下载PDF
职称材料
基于遗忘曲线的协同过滤推荐算法
被引量：
75
2
作者
于洪
李转运
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2010年第5期520-527,共8页
协同过滤是成功的个性化推荐技术之一.但传统协同过滤算法由于不能及时反映用户的兴趣变化,影响了推荐质量.针对这个问题,本文借鉴心理学上艾宾浩斯遗忘曲线来跟踪和学习用户的兴趣,展开了协同过滤推荐算法的研究.通过数学分析工具发现...
协同过滤是成功的个性化推荐技术之一.但传统协同过滤算法由于不能及时反映用户的兴趣变化,影响了推荐质量.针对这个问题,本文借鉴心理学上艾宾浩斯遗忘曲线来跟踪和学习用户的兴趣,展开了协同过滤推荐算法的研究.通过数学分析工具发现了与遗忘曲线拟合度较高的幂函数曲线,并把用户的兴趣分为短期兴趣和长期兴趣,提出了基于时间窗口的权重函数,以此解决跟踪和学习用户兴趣的难题.结合项目的评分相似性和属性相似性来定义项目相似度数据权重函数.将基于时间窗的数据权重与基于项目相似度的数据权重相结合来反应用户对项目的兴趣度.最后,在项目近邻模型的基础上设计了跟踪用户兴趣变化的基于遗忘曲线的协同过滤推荐算法.通过大量的实验工作确定了相关公式中系数的取值;对比实验结果表明新的协同过滤推荐算法在推荐的准确性方面有显著的提高.
展开更多
关键词
协同过滤
个性化推荐
兴趣变化
基于时间
窗口
的数据
权重
在线阅读
下载PDF
职称材料
题名
适应用户兴趣变化的协同过滤推荐算法
被引量：
149
1
作者
邢春晓
高凤荣
战思南
周立柱
机构
清华大学信息技术研究院Web与软件技术研究中心
清华大学计算机科学与技术系软件研究所
出处
《计算机研究与发展》
EI
CSCD
北大核心
2007年第2期296-301,共6页
基金
国家自然科学基金项目(60473078)
文摘
协同过滤算法是至今为止最成功的个性化推荐技术之一,被应用到很多领域中.但传统协同过滤算法不能及时反映用户的兴趣变化.针对这个问题,提出两种改进度量:基于时间的数据权重和基于资源相似度的数据权重,在此基础上将它们有机结合,并将这两种权重引入基于资源的协同过滤算法的生成推荐过程中.实验表明,改进后的算法比传统协同过滤算法在推荐准确度上有明显提高.
关键词
协同过滤
个性化推荐
基于时间的数据权重
基于资源相似度
的数据
权重
Keywords
collaborative filtering
personalized recommendation
time-based data weight
item similaritybased data weight
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
TP311.13 [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
基于遗忘曲线的协同过滤推荐算法
被引量：
75
2
作者
于洪
李转运
机构
重庆邮电大学计算机科学与技术研究所
出处
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2010年第5期520-527,共8页
基金
重庆市科委项目(2009BB2082)
重庆市教委项目(KJ080510)
文摘
协同过滤是成功的个性化推荐技术之一.但传统协同过滤算法由于不能及时反映用户的兴趣变化,影响了推荐质量.针对这个问题,本文借鉴心理学上艾宾浩斯遗忘曲线来跟踪和学习用户的兴趣,展开了协同过滤推荐算法的研究.通过数学分析工具发现了与遗忘曲线拟合度较高的幂函数曲线,并把用户的兴趣分为短期兴趣和长期兴趣,提出了基于时间窗口的权重函数,以此解决跟踪和学习用户兴趣的难题.结合项目的评分相似性和属性相似性来定义项目相似度数据权重函数.将基于时间窗的数据权重与基于项目相似度的数据权重相结合来反应用户对项目的兴趣度.最后,在项目近邻模型的基础上设计了跟踪用户兴趣变化的基于遗忘曲线的协同过滤推荐算法.通过大量的实验工作确定了相关公式中系数的取值;对比实验结果表明新的协同过滤推荐算法在推荐的准确性方面有显著的提高.
关键词
协同过滤
个性化推荐
兴趣变化
基于时间
窗口
的数据
权重
Keywords
collaborative filtering
personalized recommendation
interest drift
weight based on time-window
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
适应用户兴趣变化的协同过滤推荐算法
邢春晓
高凤荣
战思南
周立柱
《计算机研究与发展》
EI
CSCD
北大核心
2007
149
在线阅读
下载PDF
职称材料
2
基于遗忘曲线的协同过滤推荐算法
于洪
李转运
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2010
75
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
