结合项目区分用户兴趣度的协同过滤算法 被引量：17

1

作者 施凤仙 陈恩红 《小型微型计算机系统》 CSCD 北大核心 2012年第7期1533-1536,共4页

协同过滤是推荐系统中应用最为广泛的方法.基于用户的协同过滤算法在计算用户相似性时,对不同的项目给予相同的权重,然而在现实中不同项目对刻画用户的兴趣所起作用不同,从而基于用户的协同过滤会造成对流行的项目打分高的问题,而不能... 协同过滤是推荐系统中应用最为广泛的方法.基于用户的协同过滤算法在计算用户相似性时,对不同的项目给予相同的权重,然而在现实中不同项目对刻画用户的兴趣所起作用不同,从而基于用户的协同过滤会造成对流行的项目打分高的问题,而不能真正反映用户的兴趣.本文提出项目的区分用户偏好值概念,从而更好的刻画了用户的兴趣,在此基础上,改进了计算用户相似度的方法,使推荐算法具有较高准确度.算法在标准数据集MovieLens上进行了测试,实验表明了算法的有效性. 展开更多

关键词 协同过滤 推荐算法 个性化 项目区分用户兴趣度值

在线阅读 下载PDF 职称材料

基于用户兴趣和项目周期的协同过滤推荐算法 被引量：13

2

作者 叶锡君 袁培森 +2 位作者 郭小清 闫智慧 何婧 《南京理工大学学报》 EI CAS CSCD 北大核心 2018年第4期392-400,共9页

协同过滤推荐算法以没有限定推荐对象类型、无需用户反馈信息等优势在众多个性化推荐算法中脱颖而出。但是现有算法缺乏对用户之间的差异和用户自身的兴趣考虑,对用户和项目之间的潜在关联考虑不充分,这些问题均会影响推荐精度。该文提... 协同过滤推荐算法以没有限定推荐对象类型、无需用户反馈信息等优势在众多个性化推荐算法中脱颖而出。但是现有算法缺乏对用户之间的差异和用户自身的兴趣考虑,对用户和项目之间的潜在关联考虑不充分,这些问题均会影响推荐精度。该文提出一种基于用户兴趣和项目周期的协同过滤推荐算法,该算法在计算相似度时引入用户兴趣权重UI、项目时间等因素,并采用融合因子将改进后所得用户和项目信息进行综合,获得推荐列表。对比实验得出:该算法在推荐精确度上提高了11.034%,研究结果表明:该算法可有效提高推荐精确度。 展开更多

关键词 推荐算法 协同过滤 个性化 用户兴趣 项目周期 用户相似度 项目相似度 线性融合

在线阅读 下载PDF 职称材料

基于用户兴趣和项目属性的协同过滤算法 被引量：5

3

作者 刘静 武文琪 +2 位作者 李骁 刘永利 王建芳 《计算机应用与软件》 2017年第5期33-37,共5页

针对传统协同过滤算法不能及时反应用户的兴趣变化、时效性不足而导致推荐精度不高的问题,提出一种基于用户兴趣和项目属性的协同过滤算法。在传统协同过滤基础上综合考虑评分时间、相似度以及项目属性等因素,首先在计算相似度过程中加... 针对传统协同过滤算法不能及时反应用户的兴趣变化、时效性不足而导致推荐精度不高的问题,提出一种基于用户兴趣和项目属性的协同过滤算法。在传统协同过滤基础上综合考虑评分时间、相似度以及项目属性等因素,首先在计算相似度过程中加入基于时间的用户兴趣度权重函数,然后再与项目属性相似度进行融合,最后进行项目预测与推荐。在Movielens数据集上的实验结果表明,所提出的算法与已有的经典算法相比,平均绝对误差降低了3%~6%,有效提高了推荐的准确性。 展开更多

关键词 用户兴趣 项目属性 协同过滤 权重函数 相似度

在线阅读 下载PDF 职称材料

基于共同评分项目数和用户兴趣的协同过滤推荐方法 被引量：5

4

作者 王雪霞 李青 李季红 《计算机应用》 CSCD 北大核心 2014年第11期3140-3143,共4页

在推荐系统中,为了在一定程度上减少用户评分数据稀疏对推荐效果的负面影响,提出了一种基于用户共同评分项目数和用户兴趣的协同过滤推荐算法。此算法将用户共同评分项目数和用户兴趣相似度相结合,使用户之间的相似度计算更加准确,为目... 在推荐系统中,为了在一定程度上减少用户评分数据稀疏对推荐效果的负面影响,提出了一种基于用户共同评分项目数和用户兴趣的协同过滤推荐算法。此算法将用户共同评分项目数和用户兴趣相似度相结合,使用户之间的相似度计算更加准确,为目标用户提供更好的推荐结果。仿真实验结果表明:所提算法比基于Pearson相似度计算方法的算法推荐效果更优,具有更小的平均绝对误差(MAE),表明了其有效性和可行性。 展开更多

关键词 稀疏数据 共同评分项目数 用户兴趣 协同过滤 Pearson相似度

在线阅读 下载PDF 职称材料

基于改进协同过滤算法的用户页面兴趣度预测研究 被引量：4

5

作者 宋泊东 张立臣 《计算机应用研究》 CSCD 北大核心 2019年第11期3266-3268,共3页

根据大数据稀疏性特征,把奇异值分解方法引入协作过滤算法中进行互联网站点用户的页面兴趣度的计算和验证,提出了一种基于改进协作过滤算法的用户页面兴趣度预测算法。该算法利用网络日志中的显性用户过往兴趣度评分数据发现用户页面兴... 根据大数据稀疏性特征,把奇异值分解方法引入协作过滤算法中进行互联网站点用户的页面兴趣度的计算和验证,提出了一种基于改进协作过滤算法的用户页面兴趣度预测算法。该算法利用网络日志中的显性用户过往兴趣度评分数据发现用户页面兴趣度和其影响因素。MATLAB仿真结果显示:提出的基于改进协同过滤算法的用户页面兴趣度测量方法可有效克服海量数据的稀疏性,在预测准确性、测量速度方面都有很大的提高。 展开更多

关键词 大数据 奇异值分解 用户兴趣度 协作过滤算法 数据稀疏性

在线阅读 下载PDF 职称材料

融合用户兴趣度的基于自注意力的序列推荐模型 被引量：3

6

作者 贝天石 成卫青 《南京邮电大学学报（自然科学版）》 北大核心 2022年第1期90-100,共11页

序列推荐试图利用用户的连续行为、用户偏好、物品流行度以及用户和项目之间的交互动作进行建模,传统的马尔科夫链(MC)、递归神经网络(RNN)和基于自注意力的模型已被大量应用于序列推荐,但它们只是将交互历史假设成有序序列,忽略各个交... 序列推荐试图利用用户的连续行为、用户偏好、物品流行度以及用户和项目之间的交互动作进行建模,传统的马尔科夫链(MC)、递归神经网络(RNN)和基于自注意力的模型已被大量应用于序列推荐,但它们只是将交互历史假设成有序序列,忽略各个交互之间的时间间隔,也不考虑序列中项目之间交互的可能性存在大小关系以及用户对项目的兴趣度可能随着时间推移而发生变化。文中对基于时间间隔感知自注意力的序列推荐模型TiSASRec进行优化,提出了考虑到用户对项目的兴趣度会发生变化的改进模型TiSeqRec,该模型基于TiSASRec,进一步捕获用户整体偏好和局部偏好,并使用一致性感知门控网络将两种偏好智能结合,预测下一项的内容。通过大量的实验验证了TiSeqRec模型在稀疏、密集数据集和不同的评价指标上都优于已有的最新的序列推荐模型。 展开更多

关键词 序列推荐 自注意力机制 时间感知模型 用户对项目的兴趣度

在线阅读 下载PDF 职称材料

基于评分矩阵填充与用户兴趣的协同过滤推荐算法 被引量：38

7

作者 韩亚楠 曹菡 刘亮亮 《计算机工程》 CAS CSCD 北大核心 2016年第1期36-40,共5页

针对传统协同过滤推荐算法评分矩阵稀疏和推荐精度不高的问题,提出一种改进的协同过滤推荐算法。通过用户属性偏好和项目流行度计算用户对项目的偏好度,结合用户平均评分对评分矩阵中未评分项目进行填充。考虑到用户兴趣随时间的变化,... 针对传统协同过滤推荐算法评分矩阵稀疏和推荐精度不高的问题,提出一种改进的协同过滤推荐算法。通过用户属性偏好和项目流行度计算用户对项目的偏好度,结合用户平均评分对评分矩阵中未评分项目进行填充。考虑到用户兴趣随时间的变化,将基于时间的兴趣度权重函数和偏好度引入到项目相似度计算和推荐过程中,确定项目最近邻集合,从而实现最优推荐。实验结果表明,与传统协同过滤推荐算法相比,该算法较准确地反映了用户的兴趣变化趋势,并且在有效解决评分矩阵稀疏问题的同时提高了推荐准确率。 展开更多

关键词 协同过滤 用户兴趣 用户偏好度 项目流行度 矩阵填充

在线阅读 下载PDF 职称材料

反映用户兴趣变化的协同过滤算法 被引量：10

8

作者 沈西挺 董智佳 《计算机应用与软件》 CSCD 北大核心 2013年第6期295-297,共3页

针对传统协同过滤算法存在的两个弊端:一是传统的相似性度量方法在评分矩阵稀疏的情况下很难准确地反映用户间的相似性,二是不能及时反映用户的兴趣变化,提出一种新的相似性计算方法。此方法把基于用户兴趣度的相似性度量与基于项目相... 针对传统协同过滤算法存在的两个弊端:一是传统的相似性度量方法在评分矩阵稀疏的情况下很难准确地反映用户间的相似性,二是不能及时反映用户的兴趣变化,提出一种新的相似性计算方法。此方法把基于用户兴趣度的相似性度量与基于项目相似度的数据权重结合,形成一种考虑用户兴趣变化的相似性度量方法。实验结果表明,改进后的算法集成了上述两种方法的优点,对传统算法中存在的两个弊端进行了改善,在推荐准确度上有所提高。 展开更多

关键词 协同过滤 用户兴趣度 基于项目相似度的数据权重 个性化推荐

在线阅读 下载PDF 职称材料

一种融合用户与项目属性的协同过滤算法的设计与实现 被引量：4

9

作者 陶志勇 崔新新 《计算机应用与软件》 北大核心 2019年第2期12-18,102,共8页

针对传统的协同过滤算法存在数据稀疏、冷启动、推荐精度低等问题,提出一种充分融合用户与项目属性的协同过滤算法。利用项目属性和用户属性分别对用户相似度和项目相似度计算方法进行改进,并将用户和项目协同过滤进行组合加权,提高预... 针对传统的协同过滤算法存在数据稀疏、冷启动、推荐精度低等问题,提出一种充分融合用户与项目属性的协同过滤算法。利用项目属性和用户属性分别对用户相似度和项目相似度计算方法进行改进,并将用户和项目协同过滤进行组合加权,提高预测兴趣度的准确度。引入用户属性-项目类型偏好权重因子,利用天牛须搜索方法对兴趣度计算方法进行改进。实验结果表明:该算法能有效地缓解冷启动、数据稀疏对推荐系统的影响,且推荐精度有一定的提高。与传统的项目和用户协同过滤算法相比,召回率分别提高了8.65%和3.39%。 展开更多

关键词 协同过滤 用户属性 项目属性 相似度 兴趣度 推荐算法

在线阅读 下载PDF 职称材料

结合用户偏好和相似性的网络结构推荐算法 被引量：4

10

作者 李青 尹四清 《计算机工程与设计》 北大核心 2016年第3期814-818,共5页

网络结构推荐算法在资源分配过程中,仅判断用户是否选择过项目,未考虑用户显式偏好对资源分配的影响,导致推荐项目单一,为此提出一种结合用户偏好和相似性的网络结构推荐算法。在二部图网络结构推荐的基础上,引入用户显式评分,采用最大... 网络结构推荐算法在资源分配过程中,仅判断用户是否选择过项目,未考虑用户显式偏好对资源分配的影响,导致推荐项目单一,为此提出一种结合用户偏好和相似性的网络结构推荐算法。在二部图网络结构推荐的基础上,引入用户显式评分,采用最大最小值方法标准化用户不同评分作为网络结构的权值,在资源分配过程中综合考虑项目的度以及用户间相似性对资源分配的影响。实验结果表明,该算法与其它算法相比明显提高了平均排序值(ranking score)和海明距离,提高了推荐的准确性和多样性。 展开更多

关键词 二部图网络结构 用户偏好 项目度 相似性 最大最小值方法

在线阅读 下载PDF 职称材料

融合标签和长短期兴趣的矩阵分解推荐算法 被引量：4

11

作者 姬璐 于万钧 陈颖 《计算机工程与设计》 北大核心 2023年第3期777-783,共7页

为提高用户兴趣挖掘的准确性,实现更加精准的用户个性化推荐,提出一种融合标签和长短期兴趣的矩阵分解推荐算法。利用用户使用各标签的次数和生命周期挖掘用户的长短期兴趣,计算用户标签偏好值;利用用户标签偏好值比较用户间的兴趣,获... 为提高用户兴趣挖掘的准确性,实现更加精准的用户个性化推荐,提出一种融合标签和长短期兴趣的矩阵分解推荐算法。利用用户使用各标签的次数和生命周期挖掘用户的长短期兴趣,计算用户标签偏好值;利用用户标签偏好值比较用户间的兴趣,获得更加精准的用户间兴趣相似度;将用户间兴趣相似度引入矩阵分解模型,预测项目评分并进行推荐。实验结果表明,该算法挖掘出的用户兴趣比其它推荐算法准确。 展开更多

关键词 用户个性化推荐 协同过滤推荐算法 矩阵分解 标签信息 长短期兴趣 用户标签偏好值 兴趣相似度

在线阅读 下载PDF 职称材料

跨类型的学术资源优质推荐算法研究 被引量：8

12

作者 尹丽玲 刘柏嵩 王洋洋 《情报学报》 CSSCI CSCD 北大核心 2017年第7期715-722,共8页

提出一种新的融合内容特征和非内容特征以及用户行为的推荐算法ER(Excellent Recommendation),快速准确地为用户推荐感兴趣的、高质量的5类学术资源,以实现学术资源的优质推荐。ER算法从资源类型、学科分布、关键词分布和LDA(Latent Dir... 提出一种新的融合内容特征和非内容特征以及用户行为的推荐算法ER(Excellent Recommendation),快速准确地为用户推荐感兴趣的、高质量的5类学术资源,以实现学术资源的优质推荐。ER算法从资源类型、学科分布、关键词分布和LDA(Latent Dirichlet Allocation)主题分布共4个内容特征对5类学术资源建模,融合用户行为后进行用户兴趣偏好建模,根据权威度、社区热度和时新度等3个非内容特征对学术资源的质量值进行评估,最终根据学术资源的兴趣值和质量值进行Top-N推荐。通过预测准确度对推荐结果进行评估,实验表明ER算法的推荐效果最佳,证明了ER算法的有效性。 展开更多

关键词 学术推荐 用户行为 兴趣值 质量值 推荐度

在线阅读 下载PDF 职称材料