-
题名基于用户的协同过滤算法的推荐效率和个性化改进
被引量：37
- 1
-
-
作者
王成
朱志刚
张玉侠
苏芳芳
-
机构
华侨大学计算机科学与技术学院
西安交通大学机械强度与振动国家重点实验室
-
出处
《小型微型计算机系统》
CSCD
北大核心
2016年第3期428-432,共5页
-
基金
国家自然科学基金项目(51305142
61103170)资助
+3 种基金
厦门市科技计划项目(3502Z20143041)资助
福建省自然科学基金计划项目(2014J01191)资助
中国博士后科学基金第55批面上项目(2014M552429)资助
华侨大学引进人才科研启动项目(12BS217)资助
-
文摘
针对传统的基于用户的协同过滤算法存在的推荐效率、精度和个性化低的问题,提出一种改进方法.该方法在计算用户评分矩阵时,考虑到用户评分矩阵稀疏性,建立项目-用户的倒查表,只计算有相同评分项的用户之间的相似度,避免了传统方法中对所有用户计算两两用户相似度的庞大工作量.该方法在计算用户相似度时,考虑到项目的热门程度不同,"惩罚"了用户共同兴趣列表中的热门项目,避免了传统方法中赋予所有项目相同权值对推荐结果个性化的负面影响.本文在详细分析了改进的用户协同过滤算法的原理和优点,给出了其推荐步骤流程图.在Movielens100K和HetRec2011-movielens-2k公开数据集上,十折交叉验证的结果表明,改进后的算法节约了运行时间,提高了推荐算法的效率和个性化.
-
关键词
基于用户的协同过滤
个性化推荐
相似度计算
用户评分矩阵
数据稀疏性
项目-用户倒查表
十折交叉验证
-
Keywords
user-based collaborative filtering
personalized recommendation
similarity calculation
user-rating-data matrix
data sparseness
items—users inversion table
10-fold cross-validation
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于用户阅读时间-频次行为的书籍推荐方法
被引量：6
- 2
-
-
作者
曹斌
龚佼蓉
彭宏杰
赵立为
范菁
-
机构
浙江工业大学计算机科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2015年第B11期36-41,54,共7页
-
基金
国家自然科学基金(61173097)
浙江省重大科技专项重大工业项目(2013C01112)
杭州市重大科技创新专项(20132011A16)资助
-
文摘
随着电子阅读在近年来的兴起,通过研究用户对电子书籍的喜好,利用协同过滤推荐算法向用户进行个性化的书籍推荐具有实际应用价值,也成为了推荐系统研究中的重要内容。但当前很多书籍推荐应用中都存在缺少用户评分数据甚至没有用户评分的情况,使得传统协同过滤推荐方法的应用受阻。为解决此问题,通过分析处理用户阅读数据的相关行为数据,将此类行为数据通过时间-频次模型建模并得到用户-书籍评分矩阵,并利用该评分进一步实现基于用户的协同过滤书籍推荐算法。实验结果表明,改进的书籍协同过滤推荐算法的时间-频次模型能够提高书籍的推荐效果,具有实践研究意义。
-
关键词
协同过滤
推荐系统
用户评分矩阵
用户行为
时间-频次
-
Keywords
Collaborative filtering, Recommendation system, User ratings matrix, User behavior, Timefrequency
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名用户和相似性填充相融合的协同推荐模型
被引量：2
- 3
-
-
作者
武俊芳
吴婷
-
机构
郑州工商学院机械与电信工程学院
中原工学院计算机学院
-
出处
《计算机工程与设计》
北大核心
2018年第2期458-462,共5页
-
基金
河南省教育厅基金项目(15A520111)
-
文摘
针对当前模型存在的精度低、冷启动等难题,设计用户和相似性填充相融合的协同过滤推荐模型。采用稀疏评分矩阵建立用户评分项目集合,对评分矩阵进行降维、构建近似评分矩阵,采用该矩阵填充用户项目的评分集合,得到用户间相似度,采用信任度因子对填充误差进行合理调整,得到最终的用户间相似度,采用标准数据集Movielens和BookCrossing对模型性能进行测试。测试结果表明,该模型获得了较高的整体预测精度,预测准确性优于其它模型,改善了协同过滤推荐效果。
-
关键词
协同过滤
相似性度量
填充误差
信任度因子
用户评分矩阵
-
Keywords
collaborative filtering
similarity measure
filling error
trust factor
user scoring matrix
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于数据挖掘技术的影视智能推荐算法
被引量：1
- 4
-
-
作者
王小青
苏锋
蔡传根
-
机构
东北大学秦皇岛分校管理学院
安徽理工大学
-
出处
《现代电子技术》
2021年第11期98-101,共4页
-
文摘
针对当前影视智能推荐算法的推荐误差大、推荐时间长等局限性,以提高影视智能推荐精度为目标,获得理想的影视智能推荐结果,提出基于数据挖掘技术的影视智能推荐算法。该算法首先对影视智能推荐的工作原理进行分析,指出各种影视智能推荐算法的弊端;然后收集大量的影视智能推荐数据,根据数据得到用户-影视评分矩阵及相似度计算公式;最后引入数据挖掘技术建立影视智能推荐模型,并与其他影视智能推荐算法进行仿真对比实验,结果表明,该方法是一种精度高、速度快的影视智能推荐算法,相对于其他影视智能推荐算法,该算法的影视智能推荐整体效果更优,具有十分广泛的应用前景。
-
关键词
影视推荐
人工智能技术
大数据分析
数据挖掘
用户评分矩阵
仿真测试
推荐效率
-
Keywords
movie recommendation
artificial intelligence technology
big data analysis
data mining
user scoring matrix
simulation test
recommendation efficiency
-
分类号
TN911.1-34
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
