共查询到19条相似文献，搜索用时 437 毫秒
1.
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
2.
目前个性化推荐领域的相关研究,很少考虑用户在资源属性上的兴趣差异,而资源属性往往是决定用户偏好的重要因素之一。针对这一问题,构建了基于资源多属性的用户评价模型和兴趣模型,并提出了一种改进的Pearson-Compatibility多属性群决策算法,在k-临近相似用户的推荐问题中引入该算法,结合协同过滤推荐的特点,对相似用户偏好差异性、残缺值、算法可能出现的提前收敛等问题进行了充分考虑,进而实现多属性的协同过滤。最后通过实验对算法的有效性进行验证,实验结果表明:算法在目标用户属性偏好的预测上,具有较高的准确度,对偏差值、残缺值具有较强的抗干扰能力,具有较强的实用价值。 相似文献
3.
语义层次上的用户建模研究对提高用户需求偏好描述准确度和提升推荐服务质量具有重要意义.本文从基于语义层次树的用户建模机理分析入手,将领域本体引入资源描述和用户建模中,通过资源主题特征提取和语义表达、用户需求偏好程度计算,进行基于语义向量空间模型的用户需求偏好建模和表示,最终得到用户的需求偏好模型.实验结果显示,本文所提方法可行且有效,能够提高用户兴趣偏好描述的准确度和提升推荐服务的质量. 相似文献
4.
5.
6.
基于群体兴趣偏向度的数字图书馆协同过滤技术研究* 总被引：1，自引：1，他引：1
马丽 《现代图书情报技术》2007,2(10):19-22
针对数字图书馆协同过滤推荐系统所面临的用户评分数据稀疏性问题，提出群体兴趣偏向度的计算方法，对用户－项目评分矩阵空缺值进行预测。实验结果表明，该算法能有效提高推荐质量。 相似文献
7.
一种融合情境因素的社会化信息推荐新方法 总被引：1，自引：0，他引：1
[目的/意义] 针对目前融合情境因素的信息推荐方法大都存在推荐前的情境过滤(pre-filtering)和推荐后的情境过滤(post-filtering)所导致的价值信息流失问题,将情境因素融入到推荐过程中,实现基于用户-资源-情境的多维推荐。[方法/过程] 将情境因素融入推荐的过程中,动态挖掘在不同情境下用户兴趣的偏好,利用社会网络的相关指标赋予用户兴趣初始值,从空间距离的视角计算用户兴趣的权重,最后,借鉴内容过滤和协同推荐的思想实现用户的评分预测,进而按照用户的兴趣进行推荐。[结果/结论] 与以往二维推荐的实验比较表明,将情境因素融入到推荐过程中的方法在减少价值流失的基础上,能更为准确地揭示用户的兴趣,提高推荐质量,为存在社会关系的社会化媒体推荐服务提供借鉴。 相似文献
8.
在电子商务中,协同推荐技术能够帮助用户发现感兴趣的东西.在协同推荐中,通常采用最近邻居的方法来产生推荐.随着商品数量的增多,协同推荐所需要的数据集也越来越稀疏,可用数据比例越来越少.为了解决这个问题,本文在传统的评分数据的基础上,引入用户的基本信息,对用户的基本信息进行离散化处理,将用户的基本信息转化成一个0、1的向量,在用户的信息的基础上计算最近邻居,根据最近邻居对用户缺失数据进行补充,在补充后的评分数据上进行聚类计算,并根据聚类结果对用户评分进行预测.实验表明引入用户的基本信息,并采用对基本信息离散化的处理方式进行缺失数据补充,在此基础上进行数据的聚类,能够提高预测评分的准确性. 相似文献
9.
10.
目前协同过滤被广泛应用于数字图书馆、电子商务等领域的个性化服务系统.最近邻算法则是最早提出和最主要的协同过滤推荐算法,但用户评分数据稀疏性严重影响推荐质量.针对上述问题,提出了一种基于Rough集理论的最近邻协同过滤算法,以用户评分项并集作为用户相似性计算基础,并将非目标用户区分为无推荐能力和有推荐能力两种类型;对于无推荐能力用户不再计算用户相似性以改善推荐实时性,对于有推荐能力用户则提出一种基于Rough集理论的评分预测方法来填补用户评分项并集中的缺失值,从而降低数据稀疏性.实验结果表明新算法能有效提高推荐质量. 相似文献
11.
提出基于不完全模糊语言的高校数字图书馆信息资源推荐系统,该系统中,用户兴趣模型的建立不要求用户直接提供偏好信息,而是允许用户通过不完全模糊语言偏好关系来表达个人偏好,这样既为用户节省时间和精力,又能获取更加准确的用户偏好,从而大大提高推荐精度。系统同时还引入"用户协作偏好",有助于用户开展多学科研究或参与合作研究项目。 相似文献
12.
13.
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
14.
提出一种关联数据驱动的数字图书推荐模型,为了实现向用户提供跨数据源的推荐服务,首先把图书馆的本地数据与外部相关的关联数据相融合,根据图书馆资源信息的不同的特性,分别构建用户社会关系语义本体知识库与数字图书语义本体知识库,并根据用户对图书浏览的活跃程度,针对不同的用户,采取不同的推荐策略,实现对用户推荐服务的全覆盖。 相似文献
15.
[目的/意义]用户兴趣推荐是信息服务中的重要内容,针对目前融合情境信息推荐的研究更多是直接将情境作为单因素而缺乏考虑情境关联的思想,本文以情境关系为切入点实现社会化媒体用户的兴趣推荐。[方法/过程]以具有相似情境用户可能具有相似兴趣为假设,来改进用户原始兴趣网络从而实现推荐。通过社会网络和资源相似性计算构建原始兴趣网络中显性网络和隐性网络;借鉴共现原理和情境本身相似性构建情境网络;通过兴趣传递关系计算直接兴趣度与间接兴趣度;最后借鉴协同过滤的思想实现推荐。[结果/结论]与以往的只考虑单一情境因素的推荐方法相比,基于本方法的实验表明,将情境关系融入到推荐过程中不仅可以扩展用户的社会关系,而且可以得到更好的推荐效果。 相似文献
16.
基于用户需求的图书馆用户满意实证研究 总被引：2，自引：0，他引：2
通过对图书馆用户满意和用户需求的研究成果进行梳理,分析图书馆用户满意的构成维度、影响因素、用户需求特征,以及用户需求与满意之间的关系;从需求角度出发,构建图书馆用户满意度模型.采用问卷法对高校图书馆和公共图书馆的用户进行调查以收集原始数据,采用结构方程模型进行模型验证.研究发现:用户需求与感知的不一致会直接影响其对图书馆的满意度;图书馆用户整体满意度由信息资源满意、信息服务满意、信息系统满意组成,这三种满意度分别都会正向影响图书馆整体满意度;信息资源满意会正面影响信息系统满意,信息服务满意会正面影响信息资源满意,而信息系统满意也会正面影响信息服务满意. 相似文献
17.
提出一种基于概念格的图书协同推荐方法。首先建立用户与图书之间的概念格,然后根据概念格中图书节点之间的继承关系,从下向上回溯用户之间的共同偏好,快速计算用户之间的相似度,以确定目标用户的"最近邻居"。最后通过计算协同推荐值,实现对目标用户推荐其可能感兴趣的图书,从而为图书的协同推荐提供支持。 相似文献
18.
19.