检索结果-维普期刊中文期刊服务平台

基于遗忘函数的均值贝叶斯个性化排序算法研究被引量：3: 1; 作者申艳梅姜冰倩 +1 位作者敖山刘志中《计算机应用研究》 CSCD 北大核心 2021年第5期1350-1354,1370,共6页; 针对贝叶斯个性化排序算法未能充分应用用户的行为信息,导致算法在数据稀疏情况下推荐性能以及鲁棒性均大幅度降低的问题,提出了均值贝叶斯个性化排序(MBPR)算法,来进一步挖掘用户对隐式反馈信息的偏好关系。考虑到用户兴趣随时间变化... 展开更多; 关键词贝叶斯个性化排序算法推荐系统鲁棒性遗忘函数; 在线阅读下载PDF 职称材料

基于强连通分量的个性化的网页排名高效算法被引量：3: 2; 作者杨红果申德荣 +2 位作者寇月聂铁铮于戈《计算机学报》 EI CSCD 北大核心 2017年第3期584-600,共17页; 个性化的网页排名(PPR)是一种常用的图结点排名方法.随着图的规模变得越来越大,如何快速地计算出PPR逐渐成为大家研究的关注热点.该文的最终目的即是为了提高PPR的计算效率.现有的各种优化算法可大体分为分布式算法和串行算法,其主要思... 展开更多; 关键词个性化的网页排名分布式算法串行算法强连通子图通信量 I/O频率; 在线阅读下载PDF 职称材料

面向服务环境的服务个性化推荐算法被引量：4: 3; 作者许飒爽曹健《计算机集成制造系统》 EI CSCD 北大核心 2011年第11期2526-2531,共6页; 为了在面向服务计算环境中提供个性化的服务,提出了一种将基于贝叶斯网络的用户行为模型与基于向量空间模型的用户兴趣模型相结合进行推荐的算法。通过分析目前典型的个性化推荐算法的特点,提出了基于贝叶斯网络的用户行为模型,该模型... 展开更多; 关键词服务计算个性化推荐算法贝叶斯网络; 在线阅读下载PDF 职称材料

基于社会信任正则化的排名推荐算法被引量：1: 4; 作者张俐《工程科学与技术》 EI CAS CSCD 北大核心 2020年第5期201-208,共8页; 随着在线商品交易额逐年增大和社交网络不断深入发展,推荐系统已成为解决信息过载的重要工具之一。当评分矩阵数据稀疏性较大时推荐精度就会显著下降,特别是用户冷启动时该问题更加明显。因此,本文提出一种新的基于隐式反馈信息的社会... 展开更多; 关键词推荐系统排序推荐算法贝叶斯个性化排名算法相似关系信任关系; 在线阅读下载PDF 职称材料

基于特征嵌入的去流行度偏差混合推荐算法被引量：1: 5; 作者李鹏朱心如苏忻洁《计算机应用研究》 CSCD 北大核心 2022年第11期3275-3280,共6页; 针对数据不均衡条件下贝叶斯个性化排序算法生成的推荐列表中存在强流行度偏差的问题,提出基于特征嵌入的去流行度偏差混合推荐算法。首先,利用卷积神经网络提取用户、物品特征确定用户偏好,并依据用户偏好对原始不均衡数据进行评分填充... 展开更多; 关键词贝叶斯个性化排序算法推荐系统卷积神经网络流行度偏差; 在线阅读下载PDF 职称材料

基于改进神经协同过滤模型的电影推荐系统被引量：8: 6; 作者王骏虞歌《计算机工程与设计》北大核心 2020年第7期2069-2075,共7页; 传统的矩阵分解法只能简单提取低阶信息,特征组合单一无法挖掘更多隐含信息,且特征组合权重相同无法满足个性化推荐。通过改进神经协同过滤模型,利用多层感知机的非线性特征处理提取隐含高阶特征信息以及贝叶斯个性化排序算法提取排序信... 展开更多; 关键词神经协同过滤隐性反馈矩阵分解贝叶斯个性化排序算法电影推荐系统; 在线阅读下载PDF 职称材料

题名基于遗忘函数的均值贝叶斯个性化排序算法研究被引量：3: 1; 作者申艳梅姜冰倩敖山刘志中; 机构河南理工大学计算机科学与技术学院; 出处《计算机应用研究》 CSCD 北大核心 2021年第5期1350-1354,1370,共6页; 基金国家自然科学基金资助项目(61872126)。; 文摘针对贝叶斯个性化排序算法未能充分应用用户的行为信息,导致算法在数据稀疏情况下推荐性能以及鲁棒性均大幅度降低的问题,提出了均值贝叶斯个性化排序(MBPR)算法,来进一步挖掘用户对隐式反馈信息的偏好关系。考虑到用户兴趣随时间变化的特征,又将遗忘函数引入MBPR算法中。该算法首先对用户的历史评分记录进行预处理;然后根据用户的评分信息对项目进行正负反馈的划分,对每名用户进行个性化建模,挖掘用户对未参与项目的喜好程度,生成推荐列表。为验证提出算法的推荐性能,在公开数据集MovieLens及Yahoo上进行分析和对比实验。实验结果表明该算法的推荐性能及鲁棒性较对比算法均有显著提高。; 关键词贝叶斯个性化排序算法推荐系统鲁棒性遗忘函数; Keywords Bayesian personalized ranking algorithm recommender system robustness forgetting function; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于强连通分量的个性化的网页排名高效算法被引量：3: 2; 作者杨红果申德荣寇月聂铁铮于戈; 机构东北大学计算机科学与工程学院; 出处《计算机学报》 EI CSCD 北大核心 2017年第3期584-600,共17页; 基金国家"九七三"重点基础研究发展规划项目基金(2012CB316201) 国家自然科学基金面上项目(61472070)资助~~; 文摘个性化的网页排名(PPR)是一种常用的图结点排名方法.随着图的规模变得越来越大,如何快速地计算出PPR逐渐成为大家研究的关注热点.该文的最终目的即是为了提高PPR的计算效率.现有的各种优化算法可大体分为分布式算法和串行算法,其主要思路均是通过将大图上的计算分割到多个小子图上进行计算,但不同分块间的数据通信量往往很大而且通信次数频繁.该文提出的基于强连通分量的算法可有效解决此类问题.其主要计算过程为,首先快速将大量与计算无关的结点和边剪切掉,其次通过某种策略将在大图上的计算转化到多个强连通分量子图上计算,使得各分量子图之间的数据传递只需一次即可完成.该文基于强连通分量算法,不仅减少了分布式算法子图间的通信量,而且降低了串行算法的磁盘读写I/O频率,同时还保证了算法的准确度几乎不受损失.实验结果表明该文提出的算法可显著提高PPR的计算效率.; 关键词个性化的网页排名分布式算法串行算法强连通子图通信量 I/O频率; Keywords personalized page-rank distributed computing serial computing strongly connectedcomponent communication amount I/O frequency; 分类号 TP311 [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

题名面向服务环境的服务个性化推荐算法被引量：4: 3; 作者许飒爽曹健; 机构上海交通大学电子信息与电气工程学院; 出处《计算机集成制造系统》 EI CSCD 北大核心 2011年第11期2526-2531,共6页; 基金国家自然科学基金资助项目(60873230 61073021)~~; 文摘为了在面向服务计算环境中提供个性化的服务,提出了一种将基于贝叶斯网络的用户行为模型与基于向量空间模型的用户兴趣模型相结合进行推荐的算法。通过分析目前典型的个性化推荐算法的特点,提出了基于贝叶斯网络的用户行为模型,该模型能准确反映用户的执行动向。为了解决同种服务类型内多个服务的偏好问题,提出了基于向量空间模型的用户兴趣模型。通过分析表明,该个性化推荐算法有较好的推荐效果,可以满足用户不断变化的各种需求。; 关键词服务计算个性化推荐算法贝叶斯网络; Keywords service-oriented computing personalization recommendation algorithm bayesian network; 分类号 TP311 [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

题名基于社会信任正则化的排名推荐算法被引量：1: 4; 作者张俐; 机构江苏理工学院计算机工程学院北京邮电大学; 出处《工程科学与技术》 EI CAS CSCD 北大核心 2020年第5期201-208,共8页; 基金国家重点研发计划项目(2017YFC1307705) 江苏理工学院博士科研启动基金项目(KYY19042)。; 文摘随着在线商品交易额逐年增大和社交网络不断深入发展,推荐系统已成为解决信息过载的重要工具之一。当评分矩阵数据稀疏性较大时推荐精度就会显著下降,特别是用户冷启动时该问题更加明显。因此,本文提出一种新的基于隐式反馈信息的社会化排序推荐算法。该算法首先利用矩阵分解方法计算不同项目间的用户偏好。其次,将用户偏好信息融入贝叶斯个性化排名(Bayesian personalized ranking,BPR)算法。然后,挖掘用户之间的相似关系以及信任用户的直接和间接关系,并量化用户之间的信任关系,从而研究不同项目之间用户的偏好差异。最后,将以上信任关系和BPR算法进行融合,进而构建出社会化排序推荐模型。为了验证所提出的社会化排序推荐算法,在DouBan数据集和FilmTrust数据集上,进行算法的有效性验证。通过Precision、MAP和NGCD这3种排序评估指标分别在全数据集和用户冷启动中验证本文算法与SBPR、TBPR、BPR和MostPopular等算法之间排序推荐的优劣性。实验结果表明本文算法明显优于其他对比的排序推荐算法,并可以获得更好的推荐准确率。可见本文算法可以有效改善由于数据稀疏性和用户冷启动所引起的推荐效果差的问题。; 关键词推荐系统排序推荐算法贝叶斯个性化排名算法相似关系信任关系; Keywords recommendation system ranking recommendation algorithm BPR algorithm similar relationship trust relationship; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于特征嵌入的去流行度偏差混合推荐算法被引量：1: 5; 作者李鹏朱心如苏忻洁; 机构哈尔滨商业大学管理学院; 出处《计算机应用研究》 CSCD 北大核心 2022年第11期3275-3280,共6页; 基金黑龙江省自然科学基金资助项目(LH2019F043) 哈尔滨商业大学青年科研项目(2019DS012) 2021年哈尔滨商业大学教师“创新”项目计划支持项目(LH2019F043)。; 文摘针对数据不均衡条件下贝叶斯个性化排序算法生成的推荐列表中存在强流行度偏差的问题,提出基于特征嵌入的去流行度偏差混合推荐算法。首先,利用卷积神经网络提取用户、物品特征确定用户偏好,并依据用户偏好对原始不均衡数据进行评分填充;其次,将卷积神经网络提取的用户偏好特征嵌入到贝叶斯个性化排序算法中进行混合推荐;最后,用评分填充数据训练混合推荐模型,得到去流行度偏差的个性化排序列表。为了验证算法的性能,在公开数据集MovieLens-100K和MovieLens-1M上进行分析与对比实验,实验结果显示流行度偏差降低了约50%~60%,精确度提高了约一倍。; 关键词贝叶斯个性化排序算法推荐系统卷积神经网络流行度偏差; Keywords BPR algorithm recommender system CNN popularity bias; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于改进神经协同过滤模型的电影推荐系统被引量：8: 6; 作者王骏虞歌; 机构杭州师范大学信息科学与工程学院; 出处《计算机工程与设计》北大核心 2020年第7期2069-2075,共7页; 文摘传统的矩阵分解法只能简单提取低阶信息,特征组合单一无法挖掘更多隐含信息,且特征组合权重相同无法满足个性化推荐。通过改进神经协同过滤模型,利用多层感知机的非线性特征处理提取隐含高阶特征信息以及贝叶斯个性化排序算法提取排序信息,使推荐更加精准,推荐得分结合电影流行度和电影类型因子进行微调。通过该推荐模型实现了个性化电影推荐系统,推荐命中率和归一化折扣累积增益得到显著提高。; 关键词神经协同过滤隐性反馈矩阵分解贝叶斯个性化排序算法电影推荐系统; Keywords neural collaborative filtering implicit feedback matrix factorization Bayesian personalized ranking movie recommendation system; 分类号 TP391.3 [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	基于遗忘函数的均值贝叶斯个性化排序算法研究	申艳梅姜冰倩敖山刘志中	《计算机应用研究》 CSCD 北大核心	2021	3	在线阅读下载PDF 职称材料
2	基于强连通分量的个性化的网页排名高效算法	杨红果申德荣寇月聂铁铮于戈	《计算机学报》 EI CSCD 北大核心	2017	3	在线阅读下载PDF 职称材料
3	面向服务环境的服务个性化推荐算法	许飒爽曹健	《计算机集成制造系统》 EI CSCD 北大核心	2011	4	在线阅读下载PDF 职称材料
4	基于社会信任正则化的排名推荐算法	张俐	《工程科学与技术》 EI CAS CSCD 北大核心	2020	1	在线阅读下载PDF 职称材料
5	基于特征嵌入的去流行度偏差混合推荐算法	李鹏朱心如苏忻洁	《计算机应用研究》 CSCD 北大核心	2022	1	在线阅读下载PDF 职称材料
6	基于改进神经协同过滤模型的电影推荐系统	王骏虞歌	《计算机工程与设计》北大核心	2020	8	在线阅读下载PDF 职称材料