共查询到20条相似文献，搜索用时 519 毫秒
1.
一种利用Vague集理论改进的协同过滤推荐算法 总被引：2，自引：0，他引：2
针对项目特征难以表达问题,提出采用Vague集理论对其进行提取与表示,在此基础上进行项目相似性聚类,利用聚类内项目相似性对未评分项目进行评分值预测,从而消除协同过滤推荐的稀疏性问题,进而基于预测后的评分矩阵进行相似用户聚类,并在项目聚类簇内实施协同过滤推荐,使推荐更有针对性。实验结果表明,该方法无论在推荐精度还是推荐相关性上都更为有效。 相似文献
2.
基于属性值偏好矩阵的协同过滤推荐算法 总被引：7，自引：2，他引：5
传统的协同过滤推荐算法面临用户评分数据稀疏性和冷启动问题的挑战.针对上述问题,提出了基于属性值偏好矩阵的协同过滤推荐算法,首先采用奇异值分解(SVD)对用户-项目评分矩阵降维得到目标用户的初始邻居用户集,生成新的用户-项目评分矩阵;然后将用户评分映射到相应的项目属性值上,生成每个用户的属性值偏好矩阵,并基于属性值偏好矩阵进行用户相似性度量,从而缓解了评分数据稀疏性;将新项目的属性值与用户的属性值偏好矩阵进行匹配,从而找出匹配度最高的前N个用户作为新项目的推荐受众.实验结果表明了该算法的有效性. 相似文献
3.
基于粗糙用户聚类的协同过滤推荐模型 总被引：1，自引：0，他引：1
【目的】将粗糙集引入到基于用户聚类的协同过滤中,提高推荐质量。【方法】提出一种基于粗糙用户聚类的协同过滤推荐模型:离线时采用粗糙K-means用户聚类算法,根据用户与聚类中心的相似度将其分配到K个类的上、下近似中,形成用户的初始近邻集;在线时从目标用户的初始近邻集中搜索其最近邻,预测项目评分并向其产生推荐。【结果】通过实验对比发现,该模型比传统的和基于项目的协同过滤推荐算法降低约14%的平均绝对误差,比基于用户聚类的协同过滤推荐算法降低约10%的平均误差。【局限】在考虑上、下近似对聚类中心调整的重要程度时,忽略了用户聚类数目和最近邻集用户数阈值的变化所产生的影响。【结论】该模型能有效提高推荐精度,具有较强的可行性和现实意义。 相似文献
4.
基于项目分类预测的协同过滤推荐算法 总被引：3，自引：0，他引：3
在电子商务系统中,为了帮助用户有效地发现、过滤和利用信息,信息过滤技术应运而生.协同过滤技术作为其中的一种技术被成功地应用于推荐系统中.随着电子商务用户数目和商品数目的日益增加,整个项目空间上用户评分数据极端稀疏,传统的相似性度量方法均存在各自的弊端,导致推荐系统的推荐质量急剧下降.针对这一不足,提出基于项目分类预测的协同过滤算法,通过对用户评分矩阵中的项目进行相应的分类,缩小邻近搜索的范围,预测项目评分,减少稀疏性,并采用新的相似度计算方法.实验结果表明,该算法能提高个性化推荐算法的准确性. 相似文献
5.
刘剑涛 《现代图书情报技术》2012,(2):18-22
针对传统协同过滤算法依赖单一用户需求形态影响推荐效果的问题,提出一种基于用户多态聚类的数字图书馆个性化推荐方法。该方法以改进的海明距离计算候选邻居集,结合多态相似度进行二次聚类,预测用户的多态需求度并形成推荐。实验表明,使用多态聚类产生的推荐精确度上优于单一聚类产生的推荐。 相似文献
6.
[目的/意义] 为解决高校图书推荐过程中面临的“数据稀疏”和“冷启动”问题,研究表明：优化读者评价矩阵和相似度模型是提高图书推荐质量的关键。[方法/过程] 提出一种协同过滤改进方法,以图书分类为项目生成用户评价矩阵,并考虑借阅方式、借阅时间和图书相似度对用户兴趣度的影响,优化矩阵中的样本数据;同时,在计算读者相似度时融入读者特征和图书特征。[结果/结论] 实验结果表明,该方法可有效解决“数据稀疏”和“冷启动”问题,显著降低计算量。与基本协同过滤和聚类改进的协同过滤方法相比,无论是在推荐准确率还是在用户满意率上都有较大的提高,综合推荐效果更好。 相似文献
7.
情境化推荐中基于超图模式的用户偏好漂移识别研究 总被引：2，自引：0，他引：2
识别用户偏好漂移是维护用户偏好模式、确保偏好描述准确的关键之一,随着移动商务的迅猛发展,近年来越来越受到重视.一个研究方向是基于聚类实现偏好漂移的识别,但目前研究对于资源对象间多元的弱关联处理存在不足,为此本文结合情境化推荐的特征,构建了情境化资源的超图模型,在对资源相似度、资源簇相似度、用户偏好漂移度等相关概念定义的基础上,提出了一种识别用户偏好漂移的方法.该方法在两阶段层次聚类架构中引入多级超图分割算法,通过两组实验验证了方法的有效性.本文对方法复杂性和应用机制也进行了探讨. 相似文献
8.
<正>一、简述大数据环境下协同过滤技术与档案数据挖掘协同过滤技术最早应用于电子商务行业,至今仍是电子商务行业推荐技术的主流技术,它主要通过对于用户的评价和访问记录进行收集,通过矩阵、最近邻用户聚类等方法综合运算出与用户所需相似和相近的内容,从而实现推荐的效果。这一技术所运用的主要原理基础就是用户的从众心理,"现实社会中人们相互影响是社会互动中重 相似文献
9.
适应用户兴趣变化的协同过滤增量更新机制 总被引：1，自引：0，他引：1
高维、稀疏的用户-项目评分矩阵对基于项目的协同过滤推荐算法造成严峻的可扩展性问题.传统的解决方法是离线计算项目相似性并保存在系统中以供算法调用,但是不能充分利用最新评分数据以体现用户兴趣的变化.针对上述问题,提出了适合在线应用的协同过滤项目相似性增量更新机制,使得推荐系统在当前用户提交项目评分之后,能够实时完成相应项目与其他项目之间的相似性数据更新,从而推荐系统可以基于最新的项目相似性数据进行推荐处理,以适应用户兴趣的变化.实验结果表明,本文提出的项目相似性增量更新机制能够有效提高基于项目的协同过滤算法可扩展性. 相似文献
10.
协同过滤技术是推荐系统中核心技术之一,数据的稀疏性和用户的多兴趣性困扰着协同过滤推荐质量的提高.将用户相似性和项目相似性结合起来,对原始评价矩阵进行降维处理,得到对目标评价预测影响最大、数据规模非常小的最近邻评价矩阵,在该矩阵上依照项目近邻程度不同对目标评价预测贡献不同的方法,对用户的邻居进行加权精选,对目标评价实现交错预测.实验结果验证该算法能达到较高的推荐精度. 相似文献
11.
12.
13.
数字图书馆个性化信息检索模型研究* 总被引：3，自引：0，他引：3
许春漫 《现代图书情报技术》2006,1(3):15-19
结合向量空间技术、Agent技术、Web日志挖掘等技术提出了一个基于概念的数字图书馆个性化信息检索模型。该模型根据用户主动提供的初始信息建立基于概念的用户兴趣模型，利用用户对文档的主动评价和用户的访问行为更新用户兴趣模型，并将用户兴趣模型用于检索结果的相关度排序和最新信息的推荐以及合作推荐。最后给出系统的实现方法。 相似文献
14.
论数字图书馆个性化信息服务的实现 总被引：9，自引：0，他引：9
从用户需求和兴趣偏好的获取、用户需求模型的构建、数字图书馆信息资源的有效获取,以及基于规则或信息过滤方法对个性化信息资源进行识别与匹配4个方面,对数字图书馆实现个性化信息服务的思路、方法和技术进行论述,并强调提供个性化、智能化服务是数字图书馆最终的发展方向。 相似文献
15.
结合网评信息的特点与信息行为研究,以自我效能为基础建立网评信息查寻行为模型。根据模型探讨消费者的自我效能在网评信息需求、查找、收集、筛选以及判定信息需求满足5个阶段对查寻行为产生的影响。最后,为增强消费者运用网评信息的效果,从提高消费者自我效能和帮助网商改善网评检索系统等方面提出建议。 相似文献
16.
17.
信息素养个性化自主学习平台基本问题探讨 总被引：1，自引：1，他引：0
[目的/意义] 信息素养存在个体差异,当代大学生更倾向于“个性化、交互式、任务参与型甚至自主的学习”;信息素养个性化自主学习平台可为广大学生的差异化需求和持续进步提供解决方案。[方法/过程] 从自主学习需要的要素出发,分析“分学科、分阶段、分等级”模块化知识组织、信息素养评估、自主学习过程行为模式、信息素养提升影响因素和依赖路径、学习资源的个性化推荐等6个要素,据此定义平台系统架构和运行规则,并提炼出信息素养自主学习平台需要突破的3个技术难点：信息素养评估、信息素养提升的依赖路径、个性化推荐算法。[结果/结论] 研究结果表明,信息素养个性化自主学习平台不仅仅需要解决资源和用户行为相匹配问题,还需要具备“面向更高一级信息素养水平而推荐学习资源和学习策略”的能力。 相似文献
18.
19.
个性化推荐系统用户建模技术综述 总被引：38，自引：5，他引：38
在分析目前各类个性化推荐系统的基础上,从数据获取、用户模型的表示、学习和更新四个方面对推荐系统用户建模领域的相关技术进行系统评述,并着重分析了用户建模过程中所面临的关键议题。最后指出推荐系统用户建模领域的一些发展方向。其目的是希望能够对构建准确、有效的推荐系统用户模型,提高推荐的质量和接受度带来启示。 相似文献
20.
基于协作过滤的Web智能信息推荐方法 总被引：1，自引：0，他引：1