期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于隐马尔科夫模型(HMM)与张量分解的两阶段个性化推荐模型与应用
被引量：
1
1
作者
张浩
何杰
+2 位作者
李慧宗
赵钢
周凌云
《科学技术与工程》
北大核心
2016年第19期84-90,115,共8页
针对个性化推荐系统中用户偏好的进化学习与高维稀疏数据处理的问题。受隐马尔科夫模型(HMM)结构特征启发,提出了一种考虑上下文感知的两阶段用户偏好集推理策略的个性化推荐算法(HHRA算法)。通过对系统历史评分信息的处理,将用户偏好...
针对个性化推荐系统中用户偏好的进化学习与高维稀疏数据处理的问题。受隐马尔科夫模型(HMM)结构特征启发,提出了一种考虑上下文感知的两阶段用户偏好集推理策略的个性化推荐算法(HHRA算法)。通过对系统历史评分信息的处理,将用户偏好的提取过程抽象为一个HMM模型,来进行第一阶段的用户偏好集学习与推理。然后在此基础上,引入用户的实时上下文信息,构建了一种融入用户实时偏好的张量模型,并基于一种改进的高阶奇异值分解算法来处理高维稀疏的数据集,对模型进行优化求解,生成最优推荐集合。实验设计在3个具有不同特征的真实数据集上将HHRA算法与传统经典推荐算法进行对比分析,结果显示HHRA算法具有较好的适应性和推荐质量。
展开更多
关键词
用户偏好
隐马尔科夫模型(HMM)
高阶奇异值分解算法
推荐系统
在线阅读
下载PDF
职称材料
题名
基于隐马尔科夫模型(HMM)与张量分解的两阶段个性化推荐模型与应用
被引量：
1
1
作者
张浩
何杰
李慧宗
赵钢
周凌云
机构
淮阴工学院交通工程学院
东南大学交通学院
合肥工业大学计算机与信息学院
淮阴工学院管理工程学院
出处
《科学技术与工程》
北大核心
2016年第19期84-90,115,共8页
基金
国家统计局基金项目(2014LY058)
江苏省高校哲学社会科学基金项目(2014SJB688)资助
文摘
针对个性化推荐系统中用户偏好的进化学习与高维稀疏数据处理的问题。受隐马尔科夫模型(HMM)结构特征启发,提出了一种考虑上下文感知的两阶段用户偏好集推理策略的个性化推荐算法(HHRA算法)。通过对系统历史评分信息的处理,将用户偏好的提取过程抽象为一个HMM模型,来进行第一阶段的用户偏好集学习与推理。然后在此基础上,引入用户的实时上下文信息,构建了一种融入用户实时偏好的张量模型,并基于一种改进的高阶奇异值分解算法来处理高维稀疏的数据集,对模型进行优化求解,生成最优推荐集合。实验设计在3个具有不同特征的真实数据集上将HHRA算法与传统经典推荐算法进行对比分析,结果显示HHRA算法具有较好的适应性和推荐质量。
关键词
用户偏好
隐马尔科夫模型(HMM)
高阶奇异值分解算法
推荐系统
Keywords
user preference
hidden Markov model
high-order singular value decomposition
recommendation system
分类号
C931 [经济管理—管理学]
TP391 [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
基于隐马尔科夫模型(HMM)与张量分解的两阶段个性化推荐模型与应用
张浩
何杰
李慧宗
赵钢
周凌云
《科学技术与工程》
北大核心
2016
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
