首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 163 毫秒
1.
为了改善传统协同过滤推荐算法的冷启动与数据稀疏问题,基于概率矩阵分解模型,将用户属性、物品关系与时序行为融合到模型中,通过不断调整3种模型所占权重,得到最小的RMSE值。在Movielens数据集上进行实验,并与其它相关算法的RMSE值进行比较。实验结果表明,结合多信息的概率矩阵分解模型的RMSE值低于其它推荐方法,即推荐精度优于其它方法。结合多信息的概率矩阵分解模型,在数据稀疏情况下,也能保持较好的推荐性能,推荐精度得到一定程度提升。  相似文献   

2.
为改善传统个性化推荐算法精准度不高的问题,使用评论数据作为数据集,先对评论数据作文本预处理和特征提取,然后使用LDA主题模型对文本特征数据建模,得到主题词分布,将其作为标签,同时使用LSTM网络作文本分类,通过计算得到好评率。最后把用户需求和标签利用潜在语义标引计算相似度,根据相似度和好评率大小向用户推荐结果。实验结果表明,该方法能够向用户推荐符合其兴趣的个性化需求信息,且准确率高于96%,证明了该推荐算法的有效性。  相似文献   

3.
现有评论文本推荐方法多使用静态词向量技术获取评论嵌入,但单词多义性会对语义理解产生偏差,且特征拼接策略无法平衡用户和商品特征对推荐结果的影响.为此,提出了基于评论文本的自适应特征提取推荐模型.该模型使用动态词嵌入预训练模型BERT解决多义性问题,结合Bi-GRU与注意力机制的双向特征提取增强特征表达能力,并以自适应特征...  相似文献   

4.
基于Hadoop平台的实时电影推荐系统在需要大量迭代计算时运行速度明显变慢,无法根据用户行为作出实时反馈。针对以上问题,设计基于Spark流式计算的实时电影推荐系统,可更好地满足用户实时需求。基于Spark流式计算的实时电影推荐系统将传统电影推荐算法与Spark流式计算方法相结合,在线部分使用Spark Streaming实时接收用户模拟评分,并使用Scoket编程模拟用户浏览商品时产生的实时日志数据。日志数据包括用户当前浏览电影、观看电影次数、停留时间与是否购买该商品,再使用Spark Streaming构建实时数据处理系统,计算出当前用户相关度最高的电影并进行推荐。实验结果表明,基于Spark 平台的电影实时推荐系统在离线推荐训练过程中,训练速度相对于Hadoop 平台有明显提高,能根据用户行为作出实时反馈,并向用户进行电影推荐。  相似文献   

5.
随着互联网与移动终端的普及,网络上的电影娱乐信息数量海量增加,用户对电影个性化服务的需求日益旺盛。设计电影个性化推荐系统,该系统基于B/S模式,采用JavaEE体系架构。个性化电影推荐服务能够挖掘用户信息、电影项目信息间隐藏的关联性,从而发现用户的潜在兴趣,将用户可能感兴趣的影视片推荐给用户。  相似文献   

6.
在商品推荐领域,商品评论信息往往难以得到有效利用。为了充分利用商品评论信息,提高商品推荐系统精度,对 NCF 神经网络协同过滤模型进行改进,将 NCF 模型与 Inception 结构的卷积神经网络相结合,提出基于 Inception 结构的神经网络协同过滤方法(NCF-i 模型),将商品评论信息融入模型进行预测和推荐。首先基于 Inception 结构的卷积神经网络对商品评论信息进行分析并提取多元特征模型,然后将多元特征模型添加到 NCF 模型中,通过多层全连接层获取用户、商品及商品评论之间的非线性关系,最后基于此非线性关系对商品进行预测和推荐。通过基于真实数据集的实验证明,应用 NCF-i 模型的推荐算法,推荐系统的预测精度和稳定性均优于当前常用的推荐模型。  相似文献   

7.
在传统推荐系统中,通常基于协同过滤推荐算法挖掘评分中的隐含特征,但在实际应用中,评分矩阵往往十分稀疏,很难充分地表示用户偏好特征与物品描述特征。为了充分挖掘评论文本中的隐含特征,并在一定程度上缓解数据稀疏性问题,提出一种深度协同过滤模型(CFiCNN):融合卷积神经网络的协同过滤模型。该模型利用卷积神经网络抽取用户-物品评论数据中的隐含特征,基于协同过滤的矩阵分解方法,进行评分预测。在4个真实数据集上对该模型进行了评估实验,并与3个常用模型进行对比。实验结果表明,该模型能够很好地抽取到用户与物品的隐含特征,并且进行更准确的评分预测。  相似文献   

8.
大数据时代,如何让用户在海量信息中快速查询所需信息尤为重要。推荐系统可发现用户潜在需求,为用户提供个性化服务。以电影推荐系统为例,提出了一种改进的协同过滤算法,并在真实数据集上进行实验,结果表明系统可靠性明显提高。  相似文献   

9.
基于命名实体的网页推荐算法,从查询日志入手,分析用户的查询行为,给用户提供智能推荐,从而给出较好的推荐网页.提出了基于混合马尔科夫模型用于目录网页的导航链接和基于LDA特征选择的网页推荐算法用于主题网页推荐,实验结果显示,基于混合马尔科夫模型的推荐算法,达到了比较满意的效果;基于LDA特征提取的网页推荐算法优于传统的推荐算法,很好地满足了用户的需求.  相似文献   

10.
推荐技术作为过滤海量信息的手段,在音乐领域也给人们带来了便利。但音乐推荐与传统的电商推荐相比存在显式反馈不宜获取、内容特征提取代价大等缺陷。针对上述情况,提出一种基于标签扩展的协同过滤算法,将社会化标签内容作为物品内容,基于内容计算对用户未收听的物品进行评分,在此基础上利用协同过滤为用户提供推荐列表。实验结果表明,该算法可以有效改善推荐结果的准确性,提高推荐质量。  相似文献   

11.
随着大数据、移动互联网的快速发展,推荐系统成为解决网络信息过载的有力工具。为解决传统推荐系统由于没有将社交网络中用户关系考虑进去而导致的稀疏矩阵、冷启动等问题,提出一种基于矩阵分解技术的电影推荐系统算法MFMRS。该算法充分考虑到社交网络中用户之间的关系对推荐结果的影响,通过设置特征参数、损失函数、随机梯度下降等方法对推荐系统的精度进行改进。结果表明,通过应用该算法,Douban数据集的精度提升62%,Netflix数据集的精度提升51%。  相似文献   

12.
Excellent film is an integrated art. It has rich knowledge and profound ideological connotations. In order to promote students’ enthusiasm for learning about biology, we made some attempts on how to use movie clips for biological teaching and achieved good results. Making use of movie’s sound, color, light, and animations, we tried to enrich students’ perceptions from multiple perspectives and help students understand abstract concepts. Therefore, this paper proposes the idea of eliciting positive emotions by showing students movie clips to enhance their understanding of the Ebola virus infection process.  相似文献   

13.
用于改善web搜索的结构化数据抽取技术   总被引:1,自引:0,他引:1  
为了提高web文本搜索质量,提出了基于语义结构化数据的查询扩展方法.通过分析属性的语义特征(文档频率特征和辨识能力特征)将属性分为概念属性、背景属性和无用属性3类,并且提出了衡量属性语义相关度的标准.设计了trie-bitmap和pair pointer table数据结构来实现发掘属性语义特征和检测属性语义相关度的有效算法.通过使用合适的属性和它们的语义关系,可以为查询关键字生成扩展词并将它们嵌入到具有插值参数的向量空间模型中.实验使用IMDB电影数据库和真实文本数据集来比较所提方法和原始向量空间模型的性能.实验结果证明所提出的查询扩展方法可以有效地提高文本搜索性能,同时属性语义特征和属性语义相关度都具有良好的分类能力.  相似文献   

14.
Mutual information is an important information measure for feature subset. In this paper,a hashing mechanism is proposed to calculate the mutual information on the feature subset. Redundancy-synergy coefficient,a novel redundancy and synergy measure of features to express the class feature,is defined by mutual information. The information maximization rule was applied to derive the heuristic feature subset selection method based on mutual information and redundancy-synergy coefficient. Our experiment results showed the good performance of the new feature selection method.  相似文献   

15.
INTRODUCTION Feature subset selection (FSS) is a data miningfundamental problem to select out relevant featuresand cast away irrelevant and redundant featuresfrom an original feature set (Liu and Motoda, 1998).If a feature subset satisfies the FSS measure and hasthe minimal size, it is regarded as the optimal fea-ture subset. Complete search strategy is the way toobtain an optimal feature subset. Branch and Bound(Narendra and Fukunaga, 1977), Focus (Almuallimand Dietterich, 199…  相似文献   

16.
外国影片片名翻译归化与异化   总被引:3,自引:0,他引:3  
随着世界范围的文化交流的不断发展,电影作为一种重要的传媒手段,在各国的文化交流中扮演着举足轻重的作用。电影是语言文化的一扇窗口。通过一部电影,我们可以窥见一个民族绚丽多姿的文化信息。电影片名就如同标签,短短数语肩负着帮助人们理解影片,了解异域文化的重任。要使外语片名的翻译既能体现“异国情调”又能迎合译语观众的鉴赏力,在翻译中就应合理的选择使用归化与异化策略,使译名取得最佳翻译及宣传效果。  相似文献   

17.
为克服基于单一特征进行医学图像检索存在的局限性,文章提出了一种新的基于投影和纹理信息融合的检索算法,分析医学图像的特点,引入颜色投影并选择综合性能较高的特征进行融合,调整各特征的权重,最后运用加权欧氏距离进行相似性度量.实验结果表明,该算法检索速度快,具有较高的查准率.  相似文献   

18.
With the rapid development of online learning platforms, learners have more access to various kinds of courses. However, they may find it difficult to make choices due to the massive number of courses. The main contribution of our research is the design of a course recommendation framework which extracts multimodal course features based on deep learning models. In this framework, different kinds of information of course, such as course title, and course audio and course comments, are used to make proper recommendation in online learning platforms. Moreover, we utilize both explicit and implicit feedback to infer learner’s preference. Based on real-world datasets, our empirical results show that the proposed framework performs well in course recommendation, achieving an AUC score of 79.03%. This framework can provide technical support for course video recommendation, thus helping online learning platforms to manage course resources and optimize user learning experience.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号