融合属性编码与集成学习的混合推荐算法

1

作者 邱宁佳 董伟杰 《计算机工程与设计》 北大核心 2025年第2期508-514,共7页

为解决传统推荐算法对用户与物品的基础属性信息利用不充分,以及使用单一推荐算法导致推荐模型表达能力不足的问题。提出一种融合属性编码与集成学习的混合推荐算法。利用轻量的梯度提升机算法对用户与物品的基本属性信息进行融合编码处... 为解决传统推荐算法对用户与物品的基础属性信息利用不充分,以及使用单一推荐算法导致推荐模型表达能力不足的问题。提出一种融合属性编码与集成学习的混合推荐算法。利用轻量的梯度提升机算法对用户与物品的基本属性信息进行融合编码处理,丰富数据特征多样性;将线性算法与非线性算法混合作为基本模型,采用袋装的方式进行集成,提高算法模型推荐效果。实验结果表明,该混合推荐算法在多个评估标准上相比传统算法均有改善和提升。 展开更多

关键词 混合推荐算法 集成学习 特征编码 特征融合 特征剪枝 自助采样 并行训练

在线阅读 下载PDF 职称材料

一种结合显式特征和隐式特征的开发者混合推荐算法 被引量：18

2

作者 于旭 何亚东 +3 位作者 杜军威 王昭哲 江峰 巩敦卫 《软件学报》 EI CSCD 北大核心 2022年第5期1635-1651,共17页

现有开发者推荐算法通过对任务和开发者的显式信息进行挖掘,抽取任务和开发者的显式特征,完成针对任务的开发者推荐.然而,由于显式信息中的描述信息是主观的,往往是不精确的,现有基于显式特征的开发者推荐算法性能不够理想.众包软件开... 现有开发者推荐算法通过对任务和开发者的显式信息进行挖掘,抽取任务和开发者的显式特征,完成针对任务的开发者推荐.然而,由于显式信息中的描述信息是主观的,往往是不精确的,现有基于显式特征的开发者推荐算法性能不够理想.众包软件开发平台除包含大量不精确的描述信息外,还包含客观的、较准确的“任务—开发者”成绩信息,可以有效地推断任务和开发者的隐式特征.考虑到隐式特征作为显式特征的补充,将有效缓解描述信息不精确的难题,提出一种结合显式特征和隐式特征的开发者混合推荐算法.首先,利用任务和开发者的平台可见信息充分提取显式特征,提出面向显式特征的因子分解机(FM)推荐模型建模任务、开发者显式特征和相应评分的映射关系.然后,利用“任务—开发者”成绩矩阵提取隐式特征,提出面向隐式特征的矩阵分解(MF)推荐模型.最后,融合面向显式特征的FM推荐模型和面向隐式特征的MF推荐模型,提出多层感知器融合算法.进一步,针对冷启动问题,首先,基于历史数据,构建多层感知器模型建模显式特征到隐式特征的映射关系.然后,针对冷启动任务或冷启动开发者,通过任务或开发者的显式特征求解相应的隐式特征.最后,基于已训练好的多层感知器融合算法预测评分.在Topcoder软件众包平台的仿真实验表明本文算法相对于对比算法在4种不同测试指标上具有明显的优势. 展开更多

关键词 软件众包开发 开发者推荐 混合推荐算法 冷启动难题 多层感知器融合模型 因子分解机

在线阅读 下载PDF 职称材料

基于社交网络用户信任度的混合推荐算法研究 被引量：8

3

作者 文俊浩 何波 胡远鹏 《计算机科学》 CSCD 北大核心 2016年第1期255-258,共4页

为了解决当前社交网络中基于用户信任的Web服务推荐算法存在的覆盖率不足的问题,整合了当前有关直接信任、间接信任及群体信任度的研究思路,对相关的信任度计算方式进行了扩展研究。在此基础上,提出了一种新的混合信任度算法。实验结果... 为了解决当前社交网络中基于用户信任的Web服务推荐算法存在的覆盖率不足的问题,整合了当前有关直接信任、间接信任及群体信任度的研究思路,对相关的信任度计算方式进行了扩展研究。在此基础上,提出了一种新的混合信任度算法。实验结果表明,在召回率、用户信任度和用户争议度等指标上该混合推荐算法优于现有算法ModelTrust,证明了该算法具有覆盖率较高的特点,能解决由单一信任度算法数据稀疏性造成推荐结果不佳的问题。 展开更多

关键词 社交网络 用户信任度 混合推荐算法 ModelTrust

在线阅读 下载PDF 职称材料

基于符号数据与非负矩阵分解法的混合推荐算法 被引量：6

4

作者 郭均鹏 王启鹏 +1 位作者 宁静 李嫒嫒 《系统管理学报》 CSSCI 北大核心 2015年第3期372-378,共7页

针对现有推荐算法在处理海量数据时效率和精确度低下的问题,提出一种将基于内容的推荐算法与基于项目的协同过滤算法相结合的新的混合推荐算法。首先引入符号数据分析方法,使用模态符号数据对项目建模,同时针对评分矩阵的超高维及稀疏... 针对现有推荐算法在处理海量数据时效率和精确度低下的问题,提出一种将基于内容的推荐算法与基于项目的协同过滤算法相结合的新的混合推荐算法。首先引入符号数据分析方法,使用模态符号数据对项目建模,同时针对评分矩阵的超高维及稀疏性问题加入非负矩阵分解算法,对项目的特征矩阵进行有效"平滑",以此为基础计算项目之间的相似性,进而完成混合推荐。基于MOVEILENS数据的实验结果表明,本文提出的混合推荐算法与传统的基于项目的协同过滤算法相比,在相似性计算上具有更高的效率,同时在应对数据稀疏性及新用户问题时,具有更高的推荐精度。 展开更多

关键词 符号数据 混合推荐算法 评分相似度 非负矩阵分解

在线阅读 下载PDF 职称材料

一种改进的混合推荐算法 被引量：10

5

作者 宋文君 郭强 刘建国 《上海理工大学学报》 CAS 北大核心 2015年第4期327-331,共5页

基于用户的近期行为能够更好地反映其潜在的兴趣偏好的思想,提出了一种基于有限时间窗口的改进混合推荐算法.在标准数据集Netflix上的实验结果表明,只采用大约31.11%的用户近期历史记录,所得到的推荐结果准确性可以平均提高4.22%,而推... 基于用户的近期行为能够更好地反映其潜在的兴趣偏好的思想,提出了一种基于有限时间窗口的改进混合推荐算法.在标准数据集Netflix上的实验结果表明,只采用大约31.11%的用户近期历史记录,所得到的推荐结果准确性可以平均提高4.22%,而推荐列表多样性可以提高13.74%.另外还发现新提出的算法适用于不同活跃程度的用户,这可以极大地降低大规模数据所引发的计算复杂性问题. 展开更多

关键词 混合推荐算法 时间窗口 用户-产品二部分网络

在线阅读 下载PDF 职称材料

基于改进的BiasSVD和聚类用户最近邻的协同过滤混合推荐算法 被引量：8

6

作者 刘超 赵文静 +1 位作者 贾毓臻 蔡冠宇 《计算机应用与软件》 北大核心 2021年第5期288-293,共6页

随着现代互联网技术的飞速发展与不断完善,网络信息爆发式积累,信息推荐是缓解信息过载问题的重要手段。传统的协同过滤算法依托于大规模的用户物品空间,当出现新用户或新物品时,系统计算量将会倍增,时效性无法得到保证。为了有效改善... 随着现代互联网技术的飞速发展与不断完善,网络信息爆发式积累,信息推荐是缓解信息过载问题的重要手段。传统的协同过滤算法依托于大规模的用户物品空间,当出现新用户或新物品时,系统计算量将会倍增,时效性无法得到保证。为了有效改善用户物品评分矩阵的可扩展性问题,提出一种基于改进的BiasSVD和聚类用户最近邻的协同过滤混合推荐算法。实验结果表明,该算法预测准确度高,并能够缓解矩阵可扩展性问题,从而改善推荐系统的时效性问题。 展开更多

关键词 BiasSVD 聚类 混合推荐算法

在线阅读 下载PDF 职称材料

基于高斯模型和概率矩阵分解的混合推荐算法 被引量：3

7

作者 何慧 《统计与决策》 CSSCI 北大核心 2018年第3期84-86,共3页

文章针对目前推荐算法中的数据稀疏性问题,基于商品类别属性和用户评分矩阵,建立了一种混合推荐算法。首先基于用户的购买行为和商品属性特征,利用高斯模型构建了商品类型偏好模型。然后基于用户的评分矩阵,利用矩阵分解建立用户对未评... 文章针对目前推荐算法中的数据稀疏性问题,基于商品类别属性和用户评分矩阵,建立了一种混合推荐算法。首先基于用户的购买行为和商品属性特征,利用高斯模型构建了商品类型偏好模型。然后基于用户的评分矩阵,利用矩阵分解建立用户对未评分商品的偏好预测模型。最后融合用户商品类型偏好和商品偏好,产生推荐结果。实验结果表明,与其他解决数据稀疏性的推荐算法相比,提出的算法不但可以显著的提高推荐精度,且可以有效的减少候选商品数量,提高计算效率。 展开更多

关键词 电子商务 高斯模型 概率矩阵分解 混合推荐算法

在线阅读 下载PDF 职称材料

基于增量学习的混合推荐算法 被引量：2

8

作者 任磊 《计算机应用》 CSCD 北大核心 2010年第5期1287-1289,共3页

推荐系统是自适应信息系统中的个性化服务模块,可以根据目标用户的信息需求提供个性化的信息服务。针对传统协作过滤算法存在的用户兴趣描述粒度过大问题,以及稀疏评分矩阵造成相似度计算不准确的问题,提出了一种基于增量学习的混合推... 推荐系统是自适应信息系统中的个性化服务模块,可以根据目标用户的信息需求提供个性化的信息服务。针对传统协作过滤算法存在的用户兴趣描述粒度过大问题,以及稀疏评分矩阵造成相似度计算不准确的问题,提出了一种基于增量学习的混合推荐算法WHHR,该算法通过Widrow-Hoff增量学习构建基于内容的用户模型,并结合协作过滤推荐机制实现评分预测。实验验证了WHHR算法在收敛速度和推荐准确性方面较类似推荐算法有较大提高。 展开更多

关键词 混合推荐算法 增量学习 用户建模 基于内容的过滤 协作过滤

在线阅读 下载PDF 职称材料

基于用户行为特征的动态权重混合推荐算法 被引量：8

9

作者 刘沛文 陈华锋 《计算机应用与软件》 2017年第4期316-321,共6页

推荐系统可以为不同的用户定制个性化的网络服务,如何提供准确的推荐则成为其最大难点。针对传统推荐算法的稀疏性问题,提出基于用户行为特征的动态权重混合推荐算法。通过对数据集中的数据进行预处理,计算出不同用户对于不同物品的个... 推荐系统可以为不同的用户定制个性化的网络服务,如何提供准确的推荐则成为其最大难点。针对传统推荐算法的稀疏性问题,提出基于用户行为特征的动态权重混合推荐算法。通过对数据集中的数据进行预处理,计算出不同用户对于不同物品的个性化行为特征指数,并将其引入相似度的计算中。依据用户评分数据稀疏性的差异计算出动态权重,并依此将基于用户内容的推荐和协同过滤推荐进行动态混合。实验结果表明,该算法在稀疏数据集中能有效降低推荐误差,提高推荐精度。 展开更多

关键词 行为特征 动态权重 混合推荐算法

在线阅读 下载PDF 职称材料

基于张量分解和深度学习的混合推荐算法 被引量：3

10

作者 张家精 夏巽鹏 +1 位作者 陈金兰 倪友聪 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2019年第6期952-959,共8页

张量分解和深度学习已被应用于推荐系统,并取得了较好的效果.张量分解较好地从用户对推荐对象评分中提取用户、推荐对象以及其他影响因素的隐性的特征,将这些特征进行匹配,给出推荐策略,但这种方法忽略了用户、推荐对象以及其他影响因... 张量分解和深度学习已被应用于推荐系统,并取得了较好的效果.张量分解较好地从用户对推荐对象评分中提取用户、推荐对象以及其他影响因素的隐性的特征,将这些特征进行匹配,给出推荐策略,但这种方法忽略了用户、推荐对象以及其他影响因素现有辅助数据信息中的显性特征.深度学习是从辅助信息中提取用户、推荐对象以及其他影响因素的特征,并进行匹配给出推荐策略,却忽略了用户评分数据中用户、推荐对象以及其他影响因素的隐性特征.将张量分解和深度学习两种推荐方法相融合,提出一种基于张量分解和深度学习的混合推荐算法.使用张量分解算法和深度学习分别从三阶用户评分数据和多源异构辅助信息中提取用户特征和推荐对象特征,并将它们匹配得出用户对推荐对象的需求或喜爱的预测评分,再将两种算法的预测评分进行融合给出最终综合评分,从而提高个性化推荐的精准度.对比实验证明混合推荐算法与传统的协同过滤算法相比误差降低了34.0%. 展开更多

关键词 混合推荐算法 张量分解 深度学习 辅助数据 评分数据

在线阅读 下载PDF 职称材料

数字资源的信息过滤与精准推荐算法 被引量：4

11

作者 郭笃凌 闫长青 《印刷与数字媒体技术研究》 CAS 北大核心 2024年第1期113-121,共9页

为了解决如何利用无限容量的数字资源与有限的用户信息及时而精准地向用户推荐可用的电子资源等问题,本研究设计了一种可以过滤不良信息的准确推荐算法。该算法为基于协同过滤与内容推荐的混合推荐算法,其中,协同过滤算法提取用户的特征... 为了解决如何利用无限容量的数字资源与有限的用户信息及时而精准地向用户推荐可用的电子资源等问题,本研究设计了一种可以过滤不良信息的准确推荐算法。该算法为基于协同过滤与内容推荐的混合推荐算法,其中,协同过滤算法提取用户的特征,计算用户间的相似度并对相应的资源进行打分估计从而根据估分进行推荐;而基于内容推荐的算法用于处理用户无法求算相似度的冷启动问题,不良信息利用基于内容推荐的算法提取关键词并与不良关键词库对照,然后从前述推荐结果去掉不良信息;算法还考虑了用户兴趣随时间变化的问题。使用大规模图书馆数字资源数据集对本研究算法进行测试,结果表明,使用本研究算法,邻居数的增加对推荐精度有改善作用;对使用平均相似度和加权相似度的结果比较表明,加权相似度可以获得更好的推荐效果;加入时间因素,可以有效改进推荐精度,进而实现了对不良信息的过滤,保证了资源的质量。本研究算法基本实现了精准推荐,可适用于大数据环境下数字资源的推荐操作。 展开更多

关键词 数字资源 推荐系统 相似性度量 混合推荐算法

在线阅读 下载PDF 职称材料

基于多神经网络和改进PMF的视频推荐算法 被引量：3

12

作者 郑建国 苏成卉 《计算机工程与设计》 北大核心 2021年第1期96-105,共10页

为从影片简介中获取更丰富的文本特征并考虑短文本的语义依赖性,构建一种基于卷积双向长短记忆神经网络模型(CBiLSTM)的视频文本特征表示模型。根据用户评分行为习惯的相似性和偏向性,基于受偏置约束的概率矩阵分解算法设计一种混合视... 为从影片简介中获取更丰富的文本特征并考虑短文本的语义依赖性,构建一种基于卷积双向长短记忆神经网络模型(CBiLSTM)的视频文本特征表示模型。根据用户评分行为习惯的相似性和偏向性,基于受偏置约束的概率矩阵分解算法设计一种混合视频推荐算法(CBiLSTM-PMF+),实现评分预测。在真实数据集上结合IMDB数据库视频简介进行实验仿真,实验结果表明了影片文本局部特征和上下文时序特征结合进行评分预测的合理性。 展开更多

关键词 文本特征提取 自然语言处理 神经网络 概率矩阵分解 混合推荐算法

在线阅读 下载PDF 职称材料

情境感知推荐中的上下文宽松匹配方法研究 被引量：1

13

作者 曹洪江 傅魁 《计算机应用与软件》 CSCD 2015年第10期105-108,177,共5页

情境感知推荐是一种有效的推荐方法,但存在难以确定有效上下文变量的问题,使用过多的上下文变量会导致数据维度的上升及推荐准确性的下降。提出一种将推荐算法分解,以各分解部分为上下文匹配主体,且采取宽松匹配的上下文信息匹配策略。... 情境感知推荐是一种有效的推荐方法,但存在难以确定有效上下文变量的问题,使用过多的上下文变量会导致数据维度的上升及推荐准确性的下降。提出一种将推荐算法分解,以各分解部分为上下文匹配主体,且采取宽松匹配的上下文信息匹配策略。形成了一种融合上下文预过滤和上下文建模的混合推荐算法。通过同其他类型算法的性能对比实验证明了该方法在确定有效上下文变量及提高推荐算法准确性上的有效性。 展开更多

关键词 情境感知推荐系统 上下文宽松匹配 算法分解 混合情境感知推荐算法

在线阅读 下载PDF 职称材料