-
题名基于CTM-PMF模型的物品推荐
被引量：1
- 1
-
-
作者
彭江平
-
机构
湖南大学工商管理学院
-
出处
《计算机工程与应用》
CSCD
2013年第2期1-4,8,共5页
-
基金
国家自然科学基金(No.71171076)
中央高校基本科研业务费青年扶持项目(No.11HDSK203)
-
文摘
为了克服传统协同过滤推荐技术的局限,提出了一种基于CTM-PMF模型的物品推荐方法。在PMF模型的基础上,引入CTM模型,将PMF模型良好的推荐品质和CTM模型优越的物品表示方法相结合,有效地实现了新物品推荐;通过引入用户兴趣因子,解决了用户对已购买物品的兴趣变化问题。在自建的物品数据集上,利用提出的方法、PMF模型、G-PLSA模型和UBCF方法进行了对比实验,实验结果表明该方法具有良好的物品推荐品质。
-
关键词
相关主题模型(CTM)
概率矩阵分解(PMF)模型
用户兴趣因子
物品推荐
-
Keywords
Correlated Topic Model（CTM）
Probabilistic Matrix Factorization （PMF） model
user interest factor
product rec-ommendation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名GeoPMF:距离敏感的旅游推荐模型
被引量：6
- 2
-
-
作者
张伟
韩林玉
张佃磊
任鹏杰
马军
陈竹敏
-
机构
山东大学计算机科学与技术学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2017年第2期405-414,共10页
-
基金
国家自然科学基金项目(61272240
61672322)
+1 种基金
山东省自然科学基金项目(ZR2012FM037)
微软国际合作基金项目(FY14-RESTHEME-25)~~
-
文摘
虽然目前旅游者可以利用Web搜索引擎来选择旅游景点,但往往难以获得较好符合自身需要的旅游规划.而旅游推荐系统是解决上述问题的有效方式.一个好的旅游推荐模型应具有个性化并能考虑用户时间和费用的限制.调研表明,用户在选择旅游景点时,目的地与用户常居地的距离常常是一个需要考虑的问题.因为旅行距离往往可以间接地反映了时间和费用的影响.于是,在贝叶斯模型和概率矩阵分解模型的基础上,提出一个旅行距离敏感的旅游推荐模型(geographical probabilistic matrix factorization,GeoPMF).主要思想是基于每个用户的旅游历史,推算出一个最偏好的旅游距离,并作为一种权重,添加到传统的基于概率矩阵分解的推荐模型中.在携程网站的旅游数据集上的实验表明,与基准方法相比,GeoPMF的RMSE(root mean square error)可以降低近10%;与传统概率矩阵分解模型(PMF)相比,通过考虑距离因子,RMSE平均降幅近3.5%.
-
关键词
旅游推荐
推荐系统
概率矩阵分解模型
距离敏感
GeoPMF算法
-
Keywords
tour recommendation
recommender system
probabilistic matrix factorization（PMF） model
distance-aware
GeoPMF
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名融合动态标签优化协同过滤推荐算法
被引量：2
- 3
-
-
作者
金浙良
胡桂明
-
机构
浙江工业职业技术学院电气电子工程学院
广西大学电气工程学院
-
出处
《机械设计与制造》
北大核心
2018年第2期116-119,共4页
-
基金
2015年绍兴市大学生科技创新项目-自动化立体仓储设计(801804110620616002)
-
文摘
针对协同过滤推荐算法在网络个性化产品推荐服务中面临的覆盖率互斥、信息不对称问题,提出了一种融合用户动态标签和用户信任关系的改进协同过滤推荐算法,算法首先通过构建用户集、标签集和物品集三者之间的动态联系,建立用户动态偏好矩阵,接着构建基于用户社会网络信息的用户信任关系矩阵,以通过用户信任反馈机制实时更新用户间的信任值,最后通过融合用户动态标签和用户信任关系构建新的概率矩阵分解模型实现对协同过滤推荐算法的优化改进。仿真实验结果表明,改进算法提高了协同过滤推荐算法的性能,在一定程度上有效缓解了覆盖率互斥、信息不对称以及信任用户变窄问题对算法推荐质量的影响。
-
关键词
协同过滤推荐
动态标签
信任关系
矩阵概率分解模型
-
Keywords
Collaborative Filtering Recommendation
Dynamic Tags
Trust Relationships
Matrix Probabilistic Factorization Model
-
分类号
TH16
[机械工程—机械制造及自动化]
-
-
题名融合用户动态标签和信任关系的协同过滤算法
被引量：1
- 4
-
-
作者
吴鸿玲
程耕国
-
机构
武汉科技大学信息科学与工程学院
武汉科技大学冶金自动化与检测技术教育部工程研究中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第19期43-48,67,共7页
-
基金
国家自然科学基金(No.61501337)
-
文摘
针对协同过滤推荐算法中的冷启动以及数据稀疏问题,提出一种融合用户动态标签和用户信任关系的矩阵概率分解模型。该模型首先通过构建用户集、标签集和物品集三者间的动态联系,建立用户动态偏好矩阵;接着构建基于用户社会网络信息的用户信任关系矩阵,该信任关系矩阵使用用户信任反馈机制以实时更新用户间的信任值;最后提出融合用户动态标签和用户信任关系的矩阵概率分解模型,并在MovieLens与Jester_Joke_data数据集上进行仿真实验。实验结果表明,该算法在绝对误差均值、准确率与召回率方面获得了较好的效果,在一定程度上能有效提高了协同过滤推荐算法的性能。
-
关键词
协同过滤推荐
冷启动
数据稀疏
动态标签
信任关系
矩阵概率分解模型
-
Keywords
collaborative filtering recommendation
cold boot
data sparseness
dynamic tags
trust relationships
matrix probabilistic factorization model
-
分类号
TP311.52
[自动化与计算机技术—计算机软件与理论]
-
-
题名融合社交网络和图像内容的兴趣点推荐
被引量：5
- 5
-
-
作者
邵长城
陈平华
-
机构
广东工业大学计算机学院
-
出处
《计算机应用》
CSCD
北大核心
2019年第5期1261-1268,共8页
-
基金
国家自然科学基金资助项目(61572144)
广东省科技计划项目(2016B030306002
+1 种基金
2015B010110001
2017B030307002)~~
-
文摘
基于位置的社交网络(LBSN)蓬勃发展,带来了大量的兴趣点(POI)数据,加速了兴趣点推荐的研究。针对用户-兴趣点矩阵极端稀疏造成的推荐精度低和兴趣点特征缺失问题,通过融合兴趣点的标签、地理、社交、评分以及图像等信息,提出了一种融合社交网络和图像内容的兴趣点推荐方法(SVPOI)。首先分析兴趣点数据集,针对地理信息,利用幂律概率分布构造距离因子;针对标签信息,利用检索词频率构造标签因子;融合已有的历史评分数据,构造新的用户-兴趣点评分矩阵。其次利用VGG16深度卷积神经网络模型(DCNN)识别兴趣点图像内容,构造兴趣点图像内容矩阵。然后根据兴趣点数据的社交网络信息,构造用户社交矩阵。最后,利用概率矩阵分解(PMF)模型,融合用户-兴趣点评分矩阵、图像内容矩阵、用户社交矩阵,构成SVPOI兴趣点推荐模型,生成兴趣点推荐列表。大量的真实数据集上的实验结果表明,与PMF、SoRec、TrustMF、TrustSVD推荐算法相比,SVPOI推荐的准确度均有较大提升,其平均绝对误差(MAE)和均方根误差(RMSE)两项指标比最优的TrustMF算法分别降低了5.5%和7.82%,表明SVPOI具有更好的推荐效果。
-
关键词
兴趣点推荐
基于位置的社交网络
图像内容
深度卷积神经网络
概率矩阵分解模型
-
Keywords
point-of-interest recommendation
Location-Based Social Network(LBSN)
image content
Deep Convolutional Neural Network(DCNN)
Probabilistic Matrix Factorization(PMF) model
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
