题名 基于正负反馈的SVM协同过滤Top-N推荐算法
被引量：7
1
作者
张宇 王文剑 赵胜男
机构
山西大学计算机与信息技术学院 计算智能与中文信息处理教育部重点实验室
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第5期961-966,共6页
基金
国家自然科学基金项目(61273291 61503229)资助 +1 种基金 山西省自然科学基金项目(2015021096)资助 山西省高等学校科技创新项目(2015110)资助
文摘
经典的Top-N推荐算法利用用户正反馈信息对全部项目进行排序,然后选择前N个项目推荐给用户.针对经典推荐算法未充分利用用户负反馈信息的问题,提出基于正负反馈的SVM协同过滤(SVM Collaborative Filtering based on Positive and Negative Feedback,PNF-SVMCF)Top-N推荐算法,充分利用用户负反馈信息过滤测试集中用户可能不喜欢的项目,只对测试集中剩余的项目进行Top-N排序.PNF-SVMCF算法过滤用户可能不喜欢的项目,这样可以缩减需要排序的项目规模,提升推荐效率;同时去除这些项目对排序的干扰,提高推荐精度.在MovieLens数据集上的实验结果表明,该方法具有良好的推荐速度和精度,特别是在较少的推荐项目情况下,能够表现出更好的推荐精度.
关键词
支持向量机 协同过滤 基于项目协调过滤 PNF-SVMCF top-n
Keywords
support vector machine collaborative filtering item-based collaborative filtering PNF-SVMCF top-n
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 可提高多样性的基于推荐期望的top-N推荐方法
被引量：12
2
作者
刘慧婷 岳可诚
机构
安徽大学计算机科学与技术学院
出处
《计算机科学》
CSCD
北大核心
2014年第7期270-274,共5页
基金
国家自然科学基金项目(61202227)资助
文摘
推荐系统帮助用户在海量信息中找到与用户相关的、个性化的产品,现有推荐技术大多致力于改进推荐系统的预测准确度。最近,推荐质量的另一个重要方面——推荐的多样性,越来越受到人们的重视。提出了一种基于物品推荐期望的top-N推荐方法,在向用户进行top-N推荐时,可以通过控制全体物品的推荐期望,来达到提高推荐总体多样性的目的。结合多种评价方法,使用不同的评分预测算法在真实的电影评分数据集上对提出的算法进行了实验,结果证明提出的算法能够在保证推荐准确度的同时,显著提高推荐的总体多样性。
关键词
推荐系统 top-n 推荐多样性 推荐期望
Keywords
Recommender systems,top-n recommendations,Diversity,Recommendation expectation
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 云环境下top-n推荐算法
被引量：5
3
作者
黄震华
机构
同济大学计算机科学与工程系 同济大学嵌入式系统与服务计算教育部重点实验室
出处
《电子学报》
EI
CAS
CSCD
北大核心
2015年第1期54-61,共8页
基金
国家自然科学基金(No.61272268) 教育部新世纪优秀人才支持计划(No.NCET-12-0413) +2 种基金 国家973基础研究发展计划(No.2014CB340404) 霍英东教育基金会应用研究课题(No.142002) 同济大学中央高校基本科研业务费专项资金
文摘
Top-n推荐技术是近年来信息服务领域的一个研究重点和热点.针对云环境下的top-n推荐算法进行了深入研究,提出了适合top-n推荐的多层分布式存储架构MDSA(Multilayer Distributed Storage Architecture),并从降低网络传输代价出发,设计了基于MDSA架构的数据编码模式,进而利用map/reduce分布式编程模型来快速实现topn推荐.此外,为了满足实际的需求,给出了三种top-n推荐的应用扩展.理论分析和实验结果表明,本文所提的方法具有有效性和实用性.
关键词
云数据 top-n 推荐MAPREDUCE 信息服务
Keywords
cloud data top-n recommendation mapreduce information service
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
题名 基于多嵌入融合的top-N推荐
被引量：1
4
作者
杨真真 王东涛 杨永鹏 华仁玉
机构
南京邮电大学宽带无线通信与传感网技术教育部重点实验室 南京信息职业技术学院网络与通信学院
出处
《计算机科学》
CSCD
北大核心
2024年第7期140-145,共6页
基金
国家自然科学基金(62171232) 南京邮电大学宽带无线通信与传感网技术教育部重点实验室开放研究基金(JZNY202113) +1 种基金 南京邮电大学科研项目(NY220207) 江苏省研究生科研与实践创新计划项目(KYCX22_0955,SJCX23_0251)。
文摘
异构信息网络(Heterogeneous Information Network, HIN)凭借其丰富的语义信息和结构信息被广泛应用于推荐系统中,虽然取得了很好的推荐效果,但较少考虑局部特征放大、信息交互和多嵌入聚合等问题。针对这些问题,提出了一种新的用于top-N推荐的多嵌入融合推荐(Multi-embedding Fusion Recommendation, MFRec)模型。首先,该模型在用户和项目学习分支中都采用对象上下文表示网络,充分利用上下文信息以放大局部特征,增强相邻节点的交互性;其次,将空洞卷积和空间金字塔池化引入元路径学习分支,以便获取多尺度信息并增强元路径的节点表示;然后,采用多嵌入融合模块以便更好地进行用户、项目以及元路径的嵌入融合,细粒度地进行多嵌入之间的交互学习,并强调了各特征的不同重要性程度;最后,在两个公共推荐系统数据集上进行了实验,结果表明所提模型MFRec优于现有的其他top-N推荐系统模型。
关键词
异构信息网络 推荐系统 top-n 推荐多嵌入融合 注意力机制
Keywords
Heterogeneous information network Recommender system top-n recommendationMulti-embedding fusion Attention mechanism
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于密度的Top-n局部异常点快速检测算法
被引量：16
5
作者
刘芳 齐建鹏 于彦伟 曹磊 赵金东
机构
烟台大学计算机与控制工程学院 麻省理工学院计算机科学与人工智能实验室
出处
《自动化学报》
EI
CSCD
北大核心
2019年第9期1756-1771,共16页
基金
国家自然科学基金(61773331,61403328,61703360) 山东省自然科学基金(ZR2016FM42) 山东省高等学校科技计划(J17KA091)资助~~
文摘
局部异常检测(Local outlier factor, LOF)能够有效解决数据倾斜分布下的异常检测问题,在很多应用领域具有较好的异常检测效果.本文面向大数据异常检测,提出了一种快速的Top-n局部异常点检测算法MTLOF (Multi-granularity upper bound pruning based top-n LOF detection),融合索引结构和多层LOF上界设计了多粒度的剪枝策略,以快速发现Top-n局部异常点.首先,提出了四个更接近真实LOF值的上界,以避免直接计算LOF值,并对它们的计算复杂度进行了理论分析;其次,结合索引结构和UB1、UB2上界,提出了两层的Cell剪枝策略,不仅采用全局Cell剪枝策略,还引入了基于Cell内部数据对象分布的局部剪枝策略,有效解决了高密度区域的剪枝问题;再次,利用所提的UB3和UB4上界,提出了两个更加合理有效的数据对象剪枝策略, UB3和UB4上界更加接近于真实LOF值,有利于剪枝更多数据对象,而基于计算复用的上界计算方法,大大降低了计算成本;最后,优化了初始Top-n局部异常点的选择方法,利用区域划分和建立的索引结构,在数据稀疏区域选择初始局部异常点,有利于将LOF值较大的数据对象选为初始局部异常点,有效提升初始剪枝临界值,使得初始阶段剪枝掉更多的数据对象,进一步提高检测效率.在六个真实数据集上的综合实验评估验证MTLOF算法的高效性和可扩展性,相比最新的TOLF (Top-n LOF)算法,时间效率提升可高达3.5倍.
关键词
异常检测 局部异常检测 top-n 剪枝策略
Keywords
Outlier detection local outlier detection top-n pruning strategy
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
题名 基于多层次多视角的图注意力Top-N推荐方法
被引量：3
6
作者
刘志鑫 张泽华 张杰
机构
太原理工大学信息与计算机学院
出处
《计算机科学》
CSCD
北大核心
2021年第4期104-110,共7页
基金
国家自然科学基金项目(61503273,61702356) 教育部产学合作协同育人项目 山西省回国留学人员科研资助项目。
文摘
推荐系统是当前数据挖掘领域的研究热点,海量数据的涌现促使多源信息融合的推荐方法得到极大的关注。但是,现有的基于异质信息融合的推荐方法在进行特征表示时往往忽略了用户和项目之间的交互信息以及元路径之间的相互影响。因此,考虑到属性节点嵌入和结构元路径的不同视角,提出了一种多层次图注意力的网络推荐方法。该方法通过构建不同的元路径,将多源信息网络结构粒化为多个独立的粗粒度网络,然后基于图注意力机制结合局部节点属性嵌入,来分别学习用户和项目的潜在特征,最终给出融合后的细粒度网络推荐。在现实大规模数据集上进行横向和纵向评测,实验结果表明该方法能够有效地提升推荐性能。
关键词
层次粒化 多源信息融合 图注意力网络 top-n 推荐
Keywords
Hierarchical granulation Multi-source information fusion Graph attention network top-n recommendation
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 标签推荐Top-N列表优化算法
被引量：2
7
作者
朱小兵 丁明玉 肖玉
机构
赛轮集团股份有限公司信息中心
出处
《计算机应用与软件》
北大核心
2022年第11期281-287,共7页
文摘
针对标签推荐算法推荐列表长度常为固定值,进而导致推荐精度下降的问题,提出一种优化标签推荐算法Top-N推荐列表长度的算法。该算法对Top-N推荐列表进行重排序;再对排序以后的Top-N标签推荐列表进行列表长度的优化,进而计算出最优的标签推荐列表长度。在多个真实数据集之上进行了多次对比实验,结果表明,标签Top-N推荐列表优化算法具有较好的推荐性能。
关键词
标签推荐 top-n 列表标签推荐系统 列表优化
Keywords
Tag recommendation top-n listTag recommendation system Optimization of list
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 TOP-N选择Markov预测模型
被引量：2
8
作者
韩真 曹新平
机构
北京理工大学计算机科学工程系
出处
《计算机应用》
CSCD
北大核心
2005年第3期670-672,共3页
文摘
分析了访问用户和浏览器的行为,研究了现存的Markov预取模型,并分析了Markov预测模型的本质,在此基础上,提出了基于TOP N选择的Markov预测模型。该模型利用Web访问日志中请求次数大于N的URL生成TOP N,根据用户的访问会话生成Markov链。如果用户当前的访问会话与Markov链匹配,该Markov的下一URL在TOP N中,就把它取到本地缓存。实验表明,该预测模型能有效提高预测精度和命中率,在一定程度上还减少了带宽的需求。
关键词
数据挖掘 MARKOV 预测 预取 TOP—N
Keywords
data mining Markov predict prefetch top-n
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 基于元数据语义模型的数字资源Top-N检索
被引量：4
9
作者
徐和祥 张世明
机构
上海远程教育集团 上海财经大学信息管理与工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2010年第22期272-273,276,共3页
基金
国家自然科学基金资助重大项目(60736016) 上海市教育委员会科研创新基金资助项目(09YZ462 10YZ209)
文摘
提出一种以元数据为语义基础的用户查询模型用于数字资源的检索。通过改进传统关系库中的Top-N算法,以不同数据类型和元数据为语义基础,给出一种基于语义的相似度度量新方法。在此基础上开发一套智能检索系统,并将其用于上海教育资源库。应用结果表明,该系统可有效提高信息检索的准确度。
关键词
元数据 语义 Top—N算法 信息检索
Keywords
metadata semantics top-n algorithm information retrieval
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于LDA模型的多角度个性化微博推荐算法
被引量：11
10
作者
孙玉洁 秦永彬
机构
贵州大学计算机科学与技术学院
出处
《计算机工程》
CAS
CSCD
北大核心
2017年第4期177-182,共6页
基金
国家自然科学基金(61262006 61540050) +1 种基金 贵州省重大应用基础研究项目(黔科合JZ字[2014]2001) 贵州省科技厅联合基金(黔科合LH字[2014]7636号)
文摘
通过基于概率的主题挖掘模型隐含狄利克雷分布(LDA)挖掘用户兴趣主题,是目前最常用的用户兴趣主题挖掘方法。为进一步改善用户体验,推荐其感兴趣且质量好、新鲜度高的微博,提出一种新的多角度个性化微博推荐算法。通过微博发布时间、转发数、评论数等特征计算微博重要度,利用LDA模型生成的用户-主题矩阵以及主题-词汇矩阵计算用户对微博的兴趣度,综合考虑微博本身的重要度以及用户对微博的兴趣度对微博进行评分,根据评分结果推荐微博。实验结果表明,该算法与主题模型相结合可有效够提高微博推荐的精准度。
关键词
微博 个性化推荐 隐含狄利克雷分布模型 推荐算法 评分预测 top-n 推荐
Keywords
microblog personalized recommendation Latent Dirichlet Allocation（LDA） model recommendation algorithm scoring prediction top-n recommendation
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 一种多样性增强的推荐列表选择算法
被引量：4
11
作者
李满天 王劲林 邓浩江
机构
中国科学院声学研究所国家网露新媒体工程技术研究中心 中国科学院大学
出处
《计算机应用研究》
CSCD
北大核心
2013年第9期2591-2593,2609,共4页
基金
国家“863”计划资助项目(2011AA01A102) 国家自然科学基金资助项目(60972082)
文摘
针对传统的推荐算法过于强调推荐的精准度导致推荐列表的同质化现象突出的问题,提出了一种新的推荐列表选择算法DivEnhance。首先给出了推荐列表的多样性和效用值的定义;然后将其建模为一个带约束的整数规划问题来求解,通过一个参数的调整,可以实现多样性和精准度的灵活控制。实验结果表明,该算法可以在一定精准度损失的条件下,大幅提高最终推荐列表的多样性。特别地,在推荐一些新颖性较高的内容上,该算法相对于传统的推荐算法具有较大的优势。
关键词
top-n 推荐多样性 精准度 新颖性
Keywords
top-n recommendation diversity accuracy novelty
分类号
TP393
[自动化与计算机技术—计算机应用技术]
题名 一种基于改进型协同过滤算法的新闻推荐系统
被引量：16
12
作者
吴彦文 齐旻 杨锐
机构
华中师范大学物理科学与技术学院
出处
《计算机工程与科学》
CSCD
北大核心
2017年第6期1179-1185,共7页
基金
国家自然科学基金(71471073) 湖北省高等学校省级教学研究项目(ccnu201439 ccnu201315)
文摘
将个性化推荐技术运用于新闻阅读应用,以其快速、精准的特点帮助用户快捷获取兴趣新闻,是值得挖掘的研究方向。设计并实现了一种新闻推荐系统,该系统基于用户协同过滤推荐技术,通过收集用户数据,计算阅读耗时因子对用户偏好值进行修正,纳入新闻热度影响并通过热度惩罚用户相似度值;然后基于相似邻居集对用户未阅读的新闻进行Top-N排序得到推荐列表,从而向用户推送其感兴趣的新闻。经测试,原型系统能够实时更新用户兴趣模型,达到推新、推准的效果,各项功能均已达到设计预期目标。
关键词
个性化推荐 阅读耗时因子 top-n 排序
Keywords
personalized recommendation reading time factor top-n ranking
分类号
TP393
[自动化与计算机技术—计算机应用技术]
题名 一种自适应的异常流量检测方法
被引量：3
13
作者
张新跃 胡安磊 李炬嵘 冯燕春
机构
中国互联网络信息中心 国家信息技术安全研究中心
出处
《信息网络安全》
CSCD
北大核心
2020年第12期28-32,共5页
基金
科技部重点研发[2019YFB1804501]。
文摘
文章针对DDoS异常流量攻击提出一种自适应攻击检测方法,该方法基于网络访问行为特征进行快速学习建模,再通过一个流量TOP-N排序表来实现异常流量的动态过滤。TOP-N排序表的样本模板采用自适应收敛算法来快速自学习更新,可以快速、准确地识别出异常流量和攻击行为,大大提升异常流量攻击行为检测的准确率,特别适用于慢速的应用型DDoS攻击检测和防护领域。
关键词
DDOS top-n 自适应 训练模板
Keywords
DDoS top-n adaptive training template
分类号
TP309
[自动化与计算机技术—计算机系统结构]
题名 基于模型自适应选择融合的智能电表故障多分类方法
被引量：24
14
作者
高欣 刁新平 刘婧 张密 何杨
机构
北京邮电大学自动化学院 中国电力科学研究院有限公司
出处
《电网技术》
EI
CSCD
北大核心
2019年第6期1955-1961,共7页
基金
国家电网公司科技资助项目(5442JL170006)~~
文摘
智能电表故障的准确分类能大幅提高用电采集系统运维能力。融合多个分类模型的机器学习算法是解决该问题的有效手段,但现有方法无法解决输出分别为样本所属各类别概率值和类别标签的两个基分类模型融合问题。提出一种基于模型自适应选择融合的智能电表故障多分类方法。首先,分别取各基分类模型对各类样本分类准确率最大值,将其与阈值系数的乘积作为该类样本准确率阈值,实现阈值自适应调整;然后对各类样本分别计算基分类模型的准确率差值,与阈值进行比较设置样本融合标记;最后根据该标记选择参与融合的基分类模型,结合输出为概率值的基分类模型的Top-N分类标签集,得到模型融合结果。在10组KEEL公共数据集上验证了所提融合方法的有效性,且融合后准确率较基分类模型均有稳定提升,最大提升4.62%;以近年采集的智能电表故障数据为基础,对比实验表明,所提算法能够明显提高故障分类准确率。
关键词
智能电表故障多分类 模型融合 top-n 分类标签集自适应选择
Keywords
multi-classification of smart meter fault types model fusion top-n classification label setadaptive selection
分类号
TM721
[电气工程—电力系统及自动化]
题名 基于信任的农业科技信息协同过滤推荐方法
15
作者
宋金玲 黄立明 薄静仪 刘海滨
机构
河北科技师范学院
出处
《农技服务》
2015年第5期14-14,13,共2页
基金
河北省自然科学青年基金(NO.F2015407039) 河北省科技厅项目(NO.13227427) +4 种基金 河北省教育厅项目(NO.sz132075 2012-112) 河北科技师范学院博士基金(No.2013YB007 2013YB001) 河北科技师范学院科研创新团队基金(No.CXTD2012-08)
文摘
如何使农民快速发现自己感兴趣的农业科技信息,已经成为农业信息服务中亟待解决的问题。为了提高农业信息服务质量,提出基于信任的协同过滤推荐算法。首先根据农业信息的地域性、季节性特点选取目标用户的候选邻居,然后在共同评分项的基础上选取目标用户的可信邻居,其次选取和目标用户相似度较高的可信邻居作为相似邻居,最后根据相似邻居对其他信息进行评分估计,选取评分最大的N条信息推荐给当前用户。
关键词
协同过滤 信任 相似性 top-n
分类号
S-289
[农业科学]
题名 一种提高推荐多样性的概率选择模型
被引量：1
16
作者
张东 蔡国永 夏彬彬
机构
桂林电子科技大学计算机科学与工程学院
出处
《计算机科学》
CSCD
北大核心
2016年第2期72-77,共6页
基金
国家自然科学基金(61063039) 广西高校高水平创新团队及卓越学者计划 广西可信软件重点实验室基金(kx201202)资助
文摘
传统的推荐算法多以优化推荐列表的精确度为目标,而忽略了推荐算法的另一个重要指标——多样性。提出了一种新的提高推荐列表多样性的方法。该方法将列表生成步骤转换为N次概率选择过程,每次概率选择通过两个步骤完成:类型选择与项目选择。在类型选择中,引入项目的类型信息,根据用户对不同项目类型的喜好计算概率矩阵,并依照该概率矩阵选择一个类型;在项目选择中,根据项目的预测评分、项目的历史流行度、项目的推荐流行度3个因素重新计算项目的最终得分,选择得分最高的项目推荐给用户。通过阈值TR来调节多样性与精确度之间的折中。最后,通过对比实验证明了该方法的有效性。
关键词
推荐系统 多样性 top-n 推荐概率选择
Keywords
Recommender system Diversity top-n recommendation Probabilistic selection
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 一种基于位置和时间信息的兴趣点推荐方法
被引量：1
17
作者
谭伟 贾朝龙 桑春艳
机构
重庆邮电大学软件工程学院
出处
《重庆大学学报》
CSCD
北大核心
2022年第7期93-102,共10页
基金
国家自然科学基金资助项目(62002037) 重庆市自然科学基金面上资助项目(cstc2019jcyj-msxmX0588)。
文摘
在社交网络中,人们往往会访问自己比较感兴趣和离自己比较近的地方,而兴趣点推荐就是根据用户的兴趣偏好能够有效地帮助用户选择自己比较感兴趣的地点。笔者提出一种基于位置和时间信息的兴趣点推荐方法。该方法从兴趣点的角度出发分为3个步骤,首先使用用户历史访问的兴趣点的位置信息计算用户历史访问兴趣点和用户未曾访问过的兴趣点的相似度;然后使用时间信息,将一天划分为不同的时间段,统计所有兴趣点在一天中不同时间段被签到的次数,计算用户历史访问兴趣点和用户未曾访问过的兴趣点的相似度;最后根据兴趣点的位置和时间信息综合计算用户历史访问兴趣点与用户未曾访问兴趣点的相似度,根据Top-N策略向用户推荐用户未曾访问过的兴趣点。在现实社会中的真实数据集上进行实验验证,实验结果表明笔者提出的方法是有效的。
关键词
社交网络 兴趣点推荐 兴趣偏好 相似度 top-n
Keywords
social networks point-of-interest recommendations interest preference similarity top-n
分类号
TP309
[自动化与计算机技术—计算机系统结构]
题名 基于分类模型和SVD的协同过滤算法
被引量：8
18
作者
陈佳兴 何华卿 潘芸菲 吴彦文
机构
华中师范大学物理科学与技术学院
出处
《电子测量技术》
2020年第14期69-73,共5页
文摘
协同过滤算法是近年来运用最为普遍的推荐算法,但具有数据稀疏、冷启动的缺点。为解决上述问题,特提出综合奇异值分解(SVD)和分类模型(CM)的协同过滤推荐(CFR)算法(SCC)。首先分别建立基于机器学习的分类模型和基于SVD的协同过滤模型.前者用于获取推荐标签,而后者用于获取拟推荐物品。其次用推荐标签筛选拟推荐物品,并用Top-N的方法得到推荐物品表,实现分类模型与SVD协同过滤模型的融合。邀请多名志愿者体验不同推荐算法系统进行实验对比。实验结果表明,融合算法的准确性最高达61.92%,而满意度相对SVD算法(相对提高20.007%)与分类模型算法(相对提高5.42%)有不同程度的改善,但在数据较少情况下满意度与准确性提升并不明显,所提算法不仅一定程度上解决了冷启动问题,同时具有降低了推荐过程的复杂度。
关键词
分类模型 SVD 协同过滤 模型融合 top-n 冷启动
Keywords
classification model SVD collaborative filtering model fusion top-n cold boot
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于加权二部图的个性化方案推荐
被引量：3
19
作者
杨珍 耿秀丽
机构
上海理工大学管理学院
出处
《上海理工大学学报》
CAS
CSCD
北大核心
2019年第2期174-182,共9页
基金
国家自然科学基金资助项目(71301104,71271138) 高等学校博士学科点专项科研基金资助项目(20133120120002) +2 种基金 上海市教委科研创新项目(14YZ088) 上海高校一流学科建设计划(S1201YLXK) 沪江基金资助项目(A14006)
文摘
针对传统协同过滤算法难以解决数据稀疏性、冷启动及用户兴趣各异的问题,提出了基于加权二部图的个性化推荐方法,解决个性化设计方案推荐问题。采用加权二部图,基于用户特征和方案特征的评分,对用户和方案分类,减轻数据稀疏性,形成用户-方案规则库;采用加权网络的协同过滤算法,计算新用户特征与用户-方案规则库中用户特征的改进相似度,通过Top-N方法筛选高相似的方案集进行推荐,解决冷启动和用户兴趣各异的问题。最后与传统协同过滤算法、加权二部图个性化推荐进行比较,证明该方法的有效性和实用性。
关键词
加权二部图 加权网络 协同过滤算法 改进相似度 top-n 方法
Keywords
weighted bipartite graph weighted network collaborative filtering algorithm improvedsimilarity top-n method
分类号
TH122
[机械工程—机械设计及理论]
N94
[自然科学总论—系统科学]
题名 结合物品流行度的列表级矩阵因子分解算法
被引量：2
20
作者
周瑞环 赵宏宇
机构
西南交通大学信息科学与技术学院
出处
《计算机应用》
CSCD
北大核心
2018年第7期1877-1881,共5页
文摘
针对变形的奇异值分解(SVD++)算法的评分规则在模型训练和预测两个阶段的不一致问题和列表级矩阵因子分解(ListRank-MF)算法的Top-1排序概率在大量物品评分一样时排序概率一样的问题,提出一种结合物品流行度的列表级矩阵因子分解算法。首先,在评分规则中使用到的用户有过行为的物品集合中去除当前待评分物品;接着结合物品流行度改进Top-1排序概率;然后使用随机梯度下降算法求解目标函数并进行Top-N推荐。基于修正的SVD++评分规则,在MovieLens和Netflix数据集上比较了所提算法与目标函数为点级和列表级的SVD++算法。所提算法与列表级的SVD++算法相比,Top-N推荐准确率指标归一化折损累积增益(NDCG)值在MovieLens数据集上提高了5%~8%,在Netflix数据集上提高了1%左右。实验结果表明,所提算法能够有效提高Top-N推荐准确率。
关键词
矩阵因子分解 top-n 推荐变形的奇异值分解(SVD++)算法 物品流行度 随机梯度下降
Keywords
matrix factorization top-n recommendation transmutative Singular Value Decomposition （SVD＋＋） algorithm item popularity stochastic gradient descent
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
TP18
[自动化与计算机技术—控制理论与控制工程]
