-
题名基于平滑插值和自适应相似矩阵的推荐算法
- 1
-
-
作者
高美珠
于万钧
陈颖
-
机构
上海应用技术大学计算机科学与信息工程学院
-
出处
《计算机应用研究》
北大核心
2025年第4期1108-1114,共7页
-
基金
国家自然科学基金资助项目(61976140)。
-
文摘
针对协同过滤推荐过度依赖共同评分项目导致交互数据不足,及不同时间段共享同一相似矩阵无法准确度量用户相似度等问题,提出一种基于平滑插值和自适应相似矩阵的推荐算法。首先,在线性插值技术基础上,结合均值和标准差设定动态区间,并通过sigmoid函数平滑调整原始评分,消除用户评分习惯差异。其次,使用时序变换函数量化用户偏好遵循的不同动态模式和遗忘规律,增强用户偏好表示。最后,利用标签语义、标签质量、时序变换函数和相对评分差异信息熵,构建标签感知机制和全局评分机制,并利用生成的相似矩阵重构用户自适应相似矩阵。仿真实验结果表明,相较于其他基线算法,该算法推荐性能最优,召回率提升5.27和4.73百分点,归一化折损累计增益(NDCG)提升6.67和5.90百分点,验证了算法的有效性。
-
关键词
协同过滤
平滑插值
时序变换函数
标签语义
相对评分差异信息熵
标签感知机制
全局评分机制
自适应相似矩阵
-
Keywords
collaborative filtering
smooth interpolation
temporal transformation functions
label semantics
relative scoring difference information entropy
label sensing mechanisms
global scoring mechanisms
adaptive similarity matrices
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名大规模数据集谱聚类并行优化算法
- 2
-
-
作者
郝笑弘
尹青山
-
机构
山西水利职业技术学院
吉林大学软件学院
-
出处
《机械设计与制造》
北大核心
2021年第10期211-214,共4页
-
基金
亚太经济合作组织(APEC)项目(No.ZGYZJY2019YB)。
-
文摘
为解决传统谱聚类算法在应用于大规模数据上时,复杂度较高且资源占用较大,导致算法聚类效果不好甚至无法聚类的问题,提出基于并行框架和采样相结合的改进谱聚类算法,算法在自适应相似矩阵计算基础上,通过数据分块和单向节点并行,提高算法相似矩阵的计算效率,通过Nyström加权抽样逼近,减少拉普拉斯矩阵特征向量的计算复杂度,最后通过KD树结构避免k-mean聚类过程的距离计算,从而提高了聚类效率。仿真实验结果表明,文中算法在取得与传统算法相近的聚类性能的同时,取得更好的加速比,验证了算法对大规模集的良好适应性。
-
关键词
大规模谱聚类
自适应相似矩阵计算
单向节点并行
Nyström加权抽样
KD树优化
-
Keywords
Large-scale Clustering
Adaptive Similarity Matrix Calculation
One-way Node Parallel Computing
Nyström Weighted Sampling
KD-Tree Optimization
-
分类号
TH16
[机械工程—机械制造及自动化]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
