期刊文献+
共找到755篇文章
< 1 2 38 >
每页显示 20 50 100
ILRD:一种融合IPC_LDA和文本语义特征的专利推荐模型 被引量:1
1
作者 邓娜 林涵辉 +1 位作者 陈旭 刘树栋 《情报杂志》 北大核心 2025年第3期170-179,F0003,共11页
[研究目的]随着全球专利数量的持续增长,现有的专利推荐模型难以精准地理解专利文本中复杂的语义信息,忽视了专利的领域和主题信息,从而影响专利的准确推荐。因此,实现一个能够综合考虑多种因素的高效专利推荐模型具有重要意义。[研究方... [研究目的]随着全球专利数量的持续增长,现有的专利推荐模型难以精准地理解专利文本中复杂的语义信息,忽视了专利的领域和主题信息,从而影响专利的准确推荐。因此,实现一个能够综合考虑多种因素的高效专利推荐模型具有重要意义。[研究方法]提出了一种ILRD专利推荐模型,通过IPC语义结构化映射与LDA主题建模来表征专利的技术领域和核心主题。构建RoBERTa与DPCNN模型深入解析专利文本的复杂语义,以实现多因素融合的专利推荐。[研究结果/结论]实证研究显示,ILRD模型在半导体领域的专利推荐上,其准确率和F1得分显著超越常规模型,推荐准确率提高至86%。验证了本文方法的有效性,也为跨领域专利推荐提供了新思路。 展开更多
关键词 专利推荐 IPC LDA主题建模 预训练模型 RoBERTa DPCNN 半导体
在线阅读 下载PDF
基于注意力机制的特征融合推荐模型 被引量:1
2
作者 马汉达 李腾飞 《计算机工程与科学》 北大核心 2025年第5期902-911,共10页
针对目前推荐系统难以获得特征信息,缺乏有效的方法来表示特征信息的权重的问题,提出了一种基于注意力机制与特征融合的推荐模型FFADeepCF_SPS。首先,针对特征表示不够充分的问题,使用因子分解机融合特征,将特征从一维扩展到高维,从而... 针对目前推荐系统难以获得特征信息,缺乏有效的方法来表示特征信息的权重的问题,提出了一种基于注意力机制与特征融合的推荐模型FFADeepCF_SPS。首先,针对特征表示不够充分的问题,使用因子分解机融合特征,将特征从一维扩展到高维,从而获得特征的低阶表示,然后使用深度神经网络学习高阶特征,并通过一个全连接层将2种特征组合起来,以获得所需的特征表示;其次,针对单头注意力机制过度倾斜权重的问题,使用将输入切分成多个单头分别计算其注意力权重的多头注意力机制,再经由线性变换将各结果进行拼接,获得最终的输出;最后,结合上述2点构建了基于注意力机制与特征融合的推荐模型。为了验证模型的有效性,在4个公开数据集上与基线模型GMF、DeepCF_SPS和CNN-BiLSTM进行了对比实验以及消融实验。实验结果表明,在不同规模的数据集上,所提模型与基线模型相比在MSE、RMSE、MAE评价指标上表现出的性能均更优。 展开更多
关键词 注意力机制 特征融合 推荐模型 评分预测
在线阅读 下载PDF
基于时空多粒度兴趣建模的学习资源推荐方法
3
作者 朱海萍 王子瑜 +3 位作者 赵成成 陈妍 刘均 田锋 《计算机研究与发展》 北大核心 2025年第8期1884-1901,共18页
个性化学习资源推荐以提取学习者兴趣为基础,为学习者推荐感兴趣的学习资源.然而,学习者的兴趣不仅受知识点、学习资源、课程等因素影响导致其兴趣难表征,而且其会随时间推移动态变化使得学习兴趣模式难捕获.针对此,提出基于时空多粒度... 个性化学习资源推荐以提取学习者兴趣为基础,为学习者推荐感兴趣的学习资源.然而,学习者的兴趣不仅受知识点、学习资源、课程等因素影响导致其兴趣难表征,而且其会随时间推移动态变化使得学习兴趣模式难捕获.针对此,提出基于时空多粒度兴趣建模的学习资源推荐方法,其特点在于:设计并实现了一种融合学习空间和时间维度的学习兴趣表征学习架构,其中,首先提出基于异构图的学习空间及其多粒度兴趣表征,即用节点表示知识点、学习资源、课程、教师和学校等实体,边表示实体间关系,用此异构图表示学习空间,再通过图神经网络表征学习节点嵌入来表达节点上的多粒度兴趣;然后提出时间维度多粒度兴趣模式表征方法,即结合时间、学习空间和课程偏好等多维度,切分学习者历史行为序列,用于挖掘学习者近期课程内、中期跨课程和长期跨课程等不同粒度的兴趣模式,并设计多粒度兴趣自监督任务,破解时空多粒度兴趣缺少监督信号问题;最后,提出多粒度兴趣自适应融合层,将多粒度兴趣表征和兴趣模式融合,获得最终的学习者兴趣,经预测层为学习者推荐感兴趣的学习资源.实验结果表明,在MOOCCube数据集上,所提算法较最优对比算法HinCRec,在Recall@20和NDCG@20指标上分别提升了3.13%,7.45%;在MOOPer数据集上,所提算法较最优对比算法HinCRec在Recall@20和NDCG@20指标上分别提升了4.87%,7.03%. 展开更多
关键词 推荐系统 学习资源推荐 多粒度兴趣建模 图神经网络 序列建模
在线阅读 下载PDF
基于代理生成对抗网络的服务质量感知云API推荐系统投毒攻击
4
作者 陈真 刘伟 +3 位作者 吕瑞民 马佳洁 冯佳音 尤殿龙 《通信学报》 北大核心 2025年第3期174-186,共13页
针对现有投毒攻击方法生成的虚假用户攻击数据存在攻击效果差且易被检测的不足,提出一种基于代理生成对抗网络的投毒攻击方法。首先,在生成对抗网络中采用K-means算法将数据分类,并引入自注意力机制学习每个类中的全局特征,解决生成对... 针对现有投毒攻击方法生成的虚假用户攻击数据存在攻击效果差且易被检测的不足,提出一种基于代理生成对抗网络的投毒攻击方法。首先,在生成对抗网络中采用K-means算法将数据分类,并引入自注意力机制学习每个类中的全局特征,解决生成对抗网络在数据稀疏时难以有效捕捉真实用户复杂行为模式这一问题,提升虚假用户的隐蔽性。其次,引入代理模型评估生成对抗网络生成的虚假用户的攻击效果,将评估结果作为代理损失优化生成对抗网络,进而实现在兼顾虚假用户隐蔽性的同时增强攻击效果。云API服务质量数据集上的实验表明,所提方法在兼顾攻击的有效性和隐蔽性方面均优于现有方法。 展开更多
关键词 推荐系统 云API 投毒攻击 生成对抗网络 代理模型
在线阅读 下载PDF
基于大模型的服装推荐智能问答系统构建
5
作者 游小荣 李淑芳 邵红燕 《毛纺科技》 北大核心 2025年第5期87-94,共8页
为了满足用户对个性化服装推荐的需求,构建了一种基于大模型技术的服装推荐智能问答系统。首先,为提升大模型在服装推荐领域的推理能力,基于fashion-style-instruct数据集对Llama27B、Orca27B和Mistral 7B大模型进行有监督微调,生成针... 为了满足用户对个性化服装推荐的需求,构建了一种基于大模型技术的服装推荐智能问答系统。首先,为提升大模型在服装推荐领域的推理能力,基于fashion-style-instruct数据集对Llama27B、Orca27B和Mistral 7B大模型进行有监督微调,生成针对服装推荐任务的优化模型;其次,对H&M个性化时尚推荐数据集中的部分数据进行向量化处理,并引入检索增强生成技术,以提升模型的准确性与透明度;最后,基于微调和检索增强生成技术设计了一套服装推荐智能问答系统。实验结果表明,相较于未进行微调与检索增强生成技术优化的基准系统,本文所构建的系统在余弦相似度、BLEU及人工评估指标上分别提升了59.74%、103.64%、22.22%;在具体问答案例分析中,本文构建系统在个性化服装推荐智能问答的细节表现上也优于ChatGPT 3.5。本文所构建的系统在服装推荐大模型应用领域具有较高的应用价值和推广潜力。 展开更多
关键词 服装推荐 大模型 个性化 问答系统 检索增强生成
在线阅读 下载PDF
基于树相似性聚类的差分隐私推荐算法
6
作者 尹春勇 王硕 《计算机工程与设计》 北大核心 2025年第8期2240-2247,共8页
针对现有差分隐私推荐算法中评分矩阵稀疏、相似性计算依赖于共同评分项且忽略负相似性的问题,提出了一种基于树相似性聚类的差分隐私推荐算法。利用决策树信息熵变化量构建用户间树相似性,采用改进的布谷鸟搜索K-means算法基于树相似... 针对现有差分隐私推荐算法中评分矩阵稀疏、相似性计算依赖于共同评分项且忽略负相似性的问题,提出了一种基于树相似性聚类的差分隐私推荐算法。利用决策树信息熵变化量构建用户间树相似性,采用改进的布谷鸟搜索K-means算法基于树相似性矩阵对用户进行聚类,并通过差分隐私指数机制在目标用户所在簇中选取相似邻居用户集合,根据邻居集合推荐预测分值最高的项目。实验结果在MovieLen 100K和Yahoo Music数据集上显示,该算法相比现有算法,F_(1)值分别提高了7.3%和5.4%,在保护用户隐私的前提下有效提升了推荐精确度。 展开更多
关键词 差分隐私 推荐系统 决策树 树相似性 隐私保护 聚类模型 协同过滤
在线阅读 下载PDF
融合对比学习的多阶段文献推荐双塔模型
7
作者 叶光辉 谭启韬 +2 位作者 武川 宋孝英 李松烨 《情报学报》 北大核心 2025年第7期859-868,共10页
文献推荐是文献信息挖掘领域的重要研究主题之一。针对传统文献推荐方法难以有效应对长尾分布问题,以及无法充分捕获文献高维特征而导致推荐效果不佳的现状,本文提出一种融合对比学习的多阶段文献推荐双塔模型。首先,分别构建用户塔和... 文献推荐是文献信息挖掘领域的重要研究主题之一。针对传统文献推荐方法难以有效应对长尾分布问题,以及无法充分捕获文献高维特征而导致推荐效果不佳的现状,本文提出一种融合对比学习的多阶段文献推荐双塔模型。首先,分别构建用户塔和文献塔,以有效地提取和学习用户兴趣特征及文献内容特征。其次,为进一步提升模型对高维度特征的表征学习能力,设计包含召回层与精排层两个阶段的推荐机制。召回层用于快速过滤大量无关文献,以缓解长尾分布的影响;精排层则利用细粒度的用户个性化偏好进一步提升推荐准确性。在公开的CiteUlike-a数据集上的实验结果表明,本文提出的多阶段文献推荐双塔模型能够显著提高推荐效果,有效缓解文献推荐中的长尾分布问题,其性能优于传统的单阶段推荐模型。 展开更多
关键词 对比学习 双塔模型 多阶段推荐 学术文献
在线阅读 下载PDF
融合项目评分不确定度的多属性深度神经协同推荐模型
8
作者 李昌兵 王霞 邓江洲 《重庆理工大学学报(自然科学)》 北大核心 2025年第1期75-82,共8页
现有大多数深度学习推荐模型只使用用户的单一评分信息进行模型训练,忽视了用户在项目不同属性上的偏好行为,这在一定程度上影响推荐准确性。为此,提出一种融合项目评分不确定度的多属性深度神经协同推荐模型来学习用户在项目各属性上... 现有大多数深度学习推荐模型只使用用户的单一评分信息进行模型训练,忽视了用户在项目不同属性上的偏好行为,这在一定程度上影响推荐准确性。为此,提出一种融合项目评分不确定度的多属性深度神经协同推荐模型来学习用户在项目各属性上的评分行为,高效捕捉用户的多维度偏好特征。为使模型能充分考虑用户对项目各属性的评分分布一致性,引入项目评分不确定度来提取项目的个性化属性特征,并将其作为多属性评分的权重因子来修正模型的初始预测结果。利用修正后的多属性评分来预测用户偏好,证明所提模型能为用户提供更为准确的推荐。在2个真实数据集上的实验结果表明:相较于次优对比方法,所提模型在评估指标F 1和NDCG方面分别最高增长4.3%和3.9%,模型的推荐能力强,能提高推荐质量。 展开更多
关键词 项目评分不确定度 多属性推荐模型 深度神经网络 协同过滤
在线阅读 下载PDF
面向知识图谱的网络信息自监督强化学习推荐模型
9
作者 封顺 《现代电子技术》 北大核心 2025年第10期142-146,共5页
为深入理解和挖掘用户历史网络交互信息中的行为特征,动态提取用户交互行为变化,实现网络信息个性化推荐,构建了一种基于知识图谱的网络信息自监督强化学习推荐模型。该模型构建了用户网络信息交互行为的知识图谱,清晰地展示用户历史网... 为深入理解和挖掘用户历史网络交互信息中的行为特征,动态提取用户交互行为变化,实现网络信息个性化推荐,构建了一种基于知识图谱的网络信息自监督强化学习推荐模型。该模型构建了用户网络信息交互行为的知识图谱,清晰地展示用户历史网络信息交互行为。通过基于自监督强化学习的特征提取模型,有效捕捉知识图谱中用户行为的动态变化,避免流行度偏差的负面影响,从而提取出历史网络交互信息的特征。基于知识图谱相似度计算,推荐与用户历史交互信息特征相似的网络信息实体,实现精准且个性化的推荐。实验结果验证,所提模型为用户推荐网络电影信息资源后,点击播放转化率达96.83%,网络信息个性化推荐效果明显提升。 展开更多
关键词 知识图谱 网络信息 自监督 强化学习 推荐模型 交互信息 特征提取 相似度计算
在线阅读 下载PDF
基于用户数据特征深度挖掘的快速图书检索算法
10
作者 窦淑庆 刘思豆 《现代电子技术》 北大核心 2025年第14期137-142,共6页
针对传统图书推荐系统所得到的计算结果滞后于实时需求且准确性较低的缺陷,文中基于用户画像数据,提出一种快速图书检索算法。该算法在用户画像构建部分对静态属性抽取和动态标签行为进行建模。在图书特征提取模型中,使用BERT-Word2Vec... 针对传统图书推荐系统所得到的计算结果滞后于实时需求且准确性较低的缺陷,文中基于用户画像数据,提出一种快速图书检索算法。该算法在用户画像构建部分对静态属性抽取和动态标签行为进行建模。在图书特征提取模型中,使用BERT-Word2Vec作为基础框架进行多模态特征提取,并利用双塔深度匹配模型构建了用户MLP塔和图书改进CNN塔,对特征进行充分细致的多维分析。模型通过将实时反馈机制Kafka-Redis流处理算法与会话注意力加权融合,最终实现了场景化的推荐。实验测试结果显示,NDCG@10指标较最优基准提升了约21.0%,行为反馈延迟在峰值500 QPS流量下小于等于3.5 s。表明所提算法能够为知识服务场景提供兼具准确性、时效性与场景适应性的信息推荐解决方案。 展开更多
关键词 用户画像 双向编码器表示技术 双塔深度匹配模型 多层感知器 卷积神经网络 推荐算法
在线阅读 下载PDF
基于大语言模型多轮对话的推荐模型研究 被引量:1
11
作者 常保发 车超 梁艳 《计算机科学与探索》 北大核心 2025年第2期385-395,共11页
近来结合大语言模型的推荐方法在提高推荐准确度和增强用户体验等方面展现出明显的优越性。然而这些方法存在没有充分利用用户信息、仅使用单轮对话无法学习用户多次交互的行为特征、大语言模型与推荐系统之间存在巨大的语义差异等问题... 近来结合大语言模型的推荐方法在提高推荐准确度和增强用户体验等方面展现出明显的优越性。然而这些方法存在没有充分利用用户信息、仅使用单轮对话无法学习用户多次交互的行为特征、大语言模型与推荐系统之间存在巨大的语义差异等问题。针对这些问题,提出了一个基于大语言模型多轮对话模式的推荐模型。该模型利用矢量量化技术将用户信息转化为用户索引,并通过微调任务把大语言模型的语言语义与推荐系统的协作语义整合,不仅学习了用户特征而且缓解了语义差异问题;将用户索引与历史交互数据拼接成提示语,再经过多轮对话机制进行推荐微调,从而学习用户交互行为之间的特征。模型在亚马逊Instructions、Arts和Games三个数据集上进行实验,结果表明模型在命中率(HR)和归一化折损累计增益(NDCG)两个评价指标上优于对比基线算法,在三个数据集上与最优对比基线算法相比,HR平均提升10.53%,NDCG平均提升5.10%,证明了模型的有效性。 展开更多
关键词 推荐系统 序列推荐 大语言模型 多轮对话机制
在线阅读 下载PDF
基于深度学习与大语言模型的序列推荐研究进展 被引量:2
12
作者 徐凤如 李博涵 胥帅 《计算机科学与探索》 北大核心 2025年第2期344-366,共23页
推荐系统旨在解决传统信息检索系统中信息过载的问题,并且致力于向用户推荐个性化感兴趣的内容。人与系统交互的行为具有一定的顺序性,在提供推荐时需要将其纳入考虑,这就是序列推荐系统。序列推荐系统通过分析用户行为序列,捕捉用户偏... 推荐系统旨在解决传统信息检索系统中信息过载的问题,并且致力于向用户推荐个性化感兴趣的内容。人与系统交互的行为具有一定的顺序性,在提供推荐时需要将其纳入考虑,这就是序列推荐系统。序列推荐系统通过分析用户行为序列,捕捉用户偏好的动态变化,为电子商务、社交媒体和在线视频等多个领域提供精准的个性化推荐服务。全面阐述了序列推荐系统的当前研究进展,并探讨了其在个性化推荐领域的重要性与应用潜力。定义了序列推荐的研究问题,明确了推荐序列的核心目标和挑战。详细分类并总结了序列推荐的主要技术,包括:基于马尔可夫链的传统方法,该方法在建模用户行为序列时依赖于状态转移概率;深度学习驱动的方法,利用神经网络模型来捕捉长期依赖关系与复杂模式;混合模型方法,结合多种算法来增强推荐系统的准确性和鲁棒性;以及新兴的基于大语言模型的方法,这些方法通过引入预训练的大语言模型来提升对用户行为和推荐内容的理解能力。展望了未来的研究方向,强调了上下文感知、多模态融合、因果推断、垂直领域特定大语言模型以及缓解幻觉问题等研究点的重要性。 展开更多
关键词 推荐系统 序列推荐 大语言模型
在线阅读 下载PDF
基于大语言模型的多智能体协作代码评审人推荐 被引量:2
13
作者 王路桥 周洋涛 +5 位作者 李青山 王铭康 徐子轩 崔笛 王璐 罗懿行 《软件学报》 北大核心 2025年第6期2558-2575,共18页
基于拉取请求(pull request,PR)的软件开发机制是开源软件中的重要实践.合适的代码评审人能够通过代码审查帮助贡献者及时发现PR中的潜在错误,为持续开发和集成过程提供质量保障.然而,代码变更内容的复杂性以及评审行为固有的多样性增... 基于拉取请求(pull request,PR)的软件开发机制是开源软件中的重要实践.合适的代码评审人能够通过代码审查帮助贡献者及时发现PR中的潜在错误,为持续开发和集成过程提供质量保障.然而,代码变更内容的复杂性以及评审行为固有的多样性增加了评审人推荐的难度.现有方法主要聚焦于从PR中挖掘变更代码的语义信息,或基于审查历史构建评审人画像,并通过多种静态策略组合进行推荐.这些研究受限于模型训练语料的丰富性以及交互类型的复杂性,导致推荐性能不佳.鉴于此,提出一种基于智能体间相互协作的代码评审人推荐方法.该方法利用先进的大语言模型,精确捕捉PR和评审人丰富的文本语义信息.此外,AI智能体强大的规划、协作和决策能力使其能够集成不同交互类型的信息,具有高度的灵活性和适应性.基于真实数据集进行实验分析,与基线评审人推荐方法相比,所提方法性能提升4.45%–26.04%.此外,案例研究证明,所提方法在可解释性方面表现突出,进一步验证了其在实际应用中的有效性和可靠性. 展开更多
关键词 代码评审人推荐 基于智能体的软件工程 大型语言模型 代码审查
在线阅读 下载PDF
基于在线评论与深度学习的旅游目的地推荐模型 被引量:1
14
作者 谭鸿博 苏甜 +5 位作者 张思盈 荣幸 孙伊琳 矫琪 林知浩 郑天翔 《陕西师范大学学报(自然科学版)》 北大核心 2025年第2期101-113,共13页
近年来,旅游社交媒体平台上的在线评论数据被广泛应用于旅游大数据分析研究中,而在目的地推荐应用方面仍有待深入。使用Python编程语言,通过网络爬虫在携程旅行网上收集了239个中国5A级旅游景区的评论数据,并利用Embedding和BERT等自然... 近年来,旅游社交媒体平台上的在线评论数据被广泛应用于旅游大数据分析研究中,而在目的地推荐应用方面仍有待深入。使用Python编程语言,通过网络爬虫在携程旅行网上收集了239个中国5A级旅游景区的评论数据,并利用Embedding和BERT等自然语言处理和深度学习技术,构建了一个旅游目的地推荐模型;通过收集到的57360条评论数据对模型进行训练和验证,最终在14340条测试数据上得到78%左右的正确率。实验结果表明,借助其他旅游者的切身经历和对旅游目的地的形象感知,可以提高潜在旅游者找到理想目的地的效率,有助于旅游者规划旅游行程的第一步。研究成果扩充了在线评论数据的研究范畴,同时为旅游者在旅游咨询问题上提供了新的解决思路和技术支撑。 展开更多
关键词 目的地推荐 行程规划 在线评论 深度学习 预测模型
在线阅读 下载PDF
基于注意力循环神经网络的联合深度推荐模型 被引量:1
15
作者 郭东坡 何彬 +1 位作者 张明焱 段超 《现代电子技术》 北大核心 2025年第1期80-84,共5页
为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和... 为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和反向编码,获得隐藏状态输出,并将其输入双层注意力机制中,提取项目特征,利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型,获得项目评分,为用户推荐高评分的项目。为了提高模型精度,加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数,对深度联合训练模型展开训练,提高模型的推荐性能。仿真结果表明,所提方法具有良好的推荐效果,能够适应不断变化的市场需求和用户行为。 展开更多
关键词 双层注意力机制 循环神经网络 用户偏好 组合损失函数 交互模型 联合深度推荐模型
在线阅读 下载PDF
基于多层掩码Transformer的服装兼容性预测
16
作者 彭涛 邢欢 +3 位作者 黄俊杰 胡新荣 何儒汉 张俊杰 《计算机应用与软件》 北大核心 2025年第3期55-60,126,共7页
针对服装兼容方法不能很好融合套装内部单品间复杂关系特征,导致准确度不高的问题,提出一种多层掩码Transformer模型(MLMT)来解决服装兼容问题。提出一种基于Transformer的编码器来融合套装内部所有单品的风格信息;提出一种掩码模型通... 针对服装兼容方法不能很好融合套装内部单品间复杂关系特征,导致准确度不高的问题,提出一种多层掩码Transformer模型(MLMT)来解决服装兼容问题。提出一种基于Transformer的编码器来融合套装内部所有单品的风格信息;提出一种掩码模型通过比较单品间的相关性进而判断服装的兼容性。在polyvore-T公开数据集上进行验证,并通过实验与现有方法进行了比较,证明了该方法的有效性。 展开更多
关键词 服装兼容性 服装推荐 掩码模型
在线阅读 下载PDF
知识图谱与大语言模型协同的个性化学习推荐 被引量:4
17
作者 张学飞 张丽萍 +2 位作者 闫盛 侯敏 赵宇博 《计算机应用》 北大核心 2025年第3期773-784,共12页
个性化学习推荐是智慧教育领域的重要研究课题,它的核心目标是利用推荐算法和模型为学习者提供与他们的个人学习需求、兴趣、能力和历史相匹配的有效学习资源,从而提高学习者的学习效果。目前的推荐方法存在冷启动、数据稀疏、可解释性... 个性化学习推荐是智慧教育领域的重要研究课题,它的核心目标是利用推荐算法和模型为学习者提供与他们的个人学习需求、兴趣、能力和历史相匹配的有效学习资源,从而提高学习者的学习效果。目前的推荐方法存在冷启动、数据稀疏、可解释性差和过度个性化等问题,而知识图谱与大语言模型的结合为解决上述问题提供了有力支持。首先,对个性化学习推荐的概念、研究现状等内容进行概述;其次,分别讨论知识图谱和大语言模型(LLM)的概念以及在个性化学习推荐中的具体应用;再次,总结知识图谱与LLM在个性化学习推荐中协同应用的方法;最后,展望知识图谱和LLM在个性化学习推荐中的未来发展方向,从而为个性化学习推荐领域的持续发展和创新实践提供借鉴和启示。 展开更多
关键词 知识图谱 大语言模型 个性化学习推荐 推荐算法 学习资源
在线阅读 下载PDF
基于分布多样性的智能推荐两阶段模型与求解方法
18
作者 刘久兵 叶锦鹏 +3 位作者 许晓燕 谭欢欢 李华雄 黄兵 《南京理工大学学报》 北大核心 2025年第3期310-324,共15页
智能推荐作为筛选有效信息的重要工具,广泛应用于电子商务等领域。现有智能推荐优化模型主要通过分布多样性参数平衡推荐准确性和分布多样性,缺乏参数确定方法且忽视了项目重要性和错误推荐的决策代价。为此,该文提出基于分布多样性的... 智能推荐作为筛选有效信息的重要工具,广泛应用于电子商务等领域。现有智能推荐优化模型主要通过分布多样性参数平衡推荐准确性和分布多样性,缺乏参数确定方法且忽视了项目重要性和错误推荐的决策代价。为此,该文提出基于分布多样性的智能推荐两阶段模型与求解方法。首先,构建考虑分布多样性和项目重要性的第1阶段模型,旨在确定差异化分布多样性参数;其次,采用奇异值分解++(SVD++)预测用户-项目的未知评分,进而基于第1阶段模型,引入决策代价约束,建立最大化推荐准确性的第2阶段模型;再次,针对第1阶段模型,设计基于代价-收益的迭代算法,并证明其可快速获得最优解;最后,对于第2阶段模型,设计基于拉格朗日对偶次梯度的求解算法。在4个数据集上进行数值实验,验证了基于代价-收益算法的高效性,并通过与Gurobi及2种最新算法的对比实验,说明了拉格朗日对偶次梯度算法的优越性。 展开更多
关键词 智能推荐模型 分布多样性 项目重要性 拉格朗日松弛
在线阅读 下载PDF
多轮社交广告序列影响最大化
19
作者 付冰洋 张龙姣 +3 位作者 史麒豪 王泽宇 王灿 宋明黎 《国防科技大学学报》 北大核心 2025年第3期10-20,共11页
现有的序列广告推荐研究主要关注用户对广告的偏好,未充分考虑广告间的正向关系。从广告间的关联出发,将广告网络和用户网络同时纳入考量,构建了基于触发模型的多轮广告序列推荐影响力最大化模型。提出了基于广告边的多轮反向影响力采... 现有的序列广告推荐研究主要关注用户对广告的偏好,未充分考虑广告间的正向关系。从广告间的关联出发,将广告网络和用户网络同时纳入考量,构建了基于触发模型的多轮广告序列推荐影响力最大化模型。提出了基于广告边的多轮反向影响力采样贪心策略,以提升广告平台收益,并证明了这一方法具有严格的理论下界保证。实验表明,与现有最优方法相比,该方法的广告传播影响力收益平均提升了35%,显著增强了广告推荐效果,为广告序列推荐提供了新的解决方案。 展开更多
关键词 社交网络 触发模型 影响力最大化 广告推荐
在线阅读 下载PDF
基于预训练模型的用户评分预测
20
作者 强敏杰 王中卿 周国栋 《软件学报》 北大核心 2025年第2期608-624,共17页
随着商家评论网站的快速发展,推荐系统所带来的效率提升使得评分预测成为近年来新兴研究任务之一.现有的评分预测方法通常局限于协同过滤算法以及各类神经网络模型,并没有充分利用目前预训练模型提前学习的丰富的语义知识.针对此问题,... 随着商家评论网站的快速发展,推荐系统所带来的效率提升使得评分预测成为近年来新兴研究任务之一.现有的评分预测方法通常局限于协同过滤算法以及各类神经网络模型,并没有充分利用目前预训练模型提前学习的丰富的语义知识.针对此问题,提出一种基于预训练语言模型的个性化评分预测方法,其通过分析用户和商家的历史评论,为用户在消费前提供评分预测作为参考.该方法首先设计一项预训练任务,让模型学习捕捉文本中的关键信息.其次,通过细粒度情感分析方法对评论文本进行处理,从而获取评论文本中的属性词.接下来,设计一个属性词嵌入层将上述外部领域知识融入模型中.最后,采用基于注意力机制的信息融合策略,将输入文本的全局和局部语义信息进行融合.实验结果表明,该方法相较于基准模型,在两个自动评价指标上均取得显著的提升. 展开更多
关键词 推荐系统 评分预测 预训练模型 注意力机制
在线阅读 下载PDF
上一页 1 2 38 下一页 到第
使用帮助 返回顶部