文章-世纪中文出版社

邵娜《国际科技论坛》 2019年10期

摘要:

本文分析现阶段常用的推荐算法，提出基于线性回归的协同过滤推荐算法。通过描述协同过滤的整个过程，在将算法应用在系统中时，我们只需要替换关系假设，度量假设，目标函数，代价函数及梯度，就可以得到系统推荐结果，完成推荐系统的设计。

罗洋1 夏鸿斌1，2 刘渊1，2 《中文研究》 2019年10期

摘要:

针对传统协同过滤算法难以学习深层次用户和项目的隐表示，以及对文本信息不能充分提取单词之间的前后语义关系的问题，该文提出一种融合辅助信息与注意力长短期记忆网络的协同过滤推荐模型。首先，附加堆叠降噪自编码器利用评分信息和用户辅助信息提取用户潜在向量；其次，基于注意力机制的长短期记忆网络利用项目辅助信息来提取项目的潜在向量；最后，将用户与项目的潜在向量用于概率矩阵分解中，从而预测用户偏好。在两个真实数据集MovieLens-100k和MovieLens-1M上进行实验，采用RMSE和Recall指标进行评估。实验结果表明，该模型与其他相关推荐算法相比在推荐性能上有所提升。

微博网络用户的活跃性判定方法下载：46 浏览：319

仲兆满1，2 戴红伟1 管燕1 《中文研究》 2018年5期

摘要:

推荐系统的冷启动问题是近期的研究热点，而用户的活跃性判定是冷启动问题的基础。已有方法在判定用户的活跃性时，单纯地考虑了用户发表信息量，对社交媒体的社交关系及行为等特征利用不够。该文面向微博网络，提出了系统的用户活跃性判定方法，创新性主要体现在:(1)提出了微博网络影响用户活跃性的四类指标，包括用户背景、社交关系、发表内容质量及社交行为，避免了仅仅使用用户发表信息数量判定用户是否活跃的粗糙方式；(2)提出了用户活跃性判定流程，提出了基于四类指标的用户与用户集的差异度计算模型。以新浪微博为例，选取了学术研究、企业管理、教育、文化、军事五个领域的900个用户作为测试集，使用准确率P、召回率R及F值为评价指标，进行了实验分析和比较。结果显示，该文所提用户活跃性判定方法的准确率P、召回率R、F值比传统的判定方法分别提高了21%、13%和16%，将该文所提方法用于用户推荐，得到的P、R和F值比最新的方法分别提高了5%、2%和3%，验证了所提方法的有效性。

基于结构方程模型的电子商务推荐系统信任模型实证研究下载：59 浏览：370

张璇邓少灵《电子商务进展》 2018年5期

摘要:

电子商务推荐系统是在海量信息之中,给用户推荐其可能喜欢的商品或服务的一种应用系统。怎样提高推荐系统的采纳率是系统设计者最为关心的问题。本文运用结构方程模型,从用户信任的视角,对社会化推荐系统进行了实证研究,研究结果表明用户对推荐结果的感知有用性,与推荐系统的交互度,推荐系统的透明度与用户的满意度和使用意向之间有一定的正向关联。

基于离散选择模型的推荐系统改进算法下载：65 浏览：318

刘乾超《管理与科学》 2020年2期

摘要:

准确地预估用户的点击率,并根据该概率对商品排序以供用户选择在推荐系统领域有着重要的意义。推荐系统中常用的因子分解机等机器学习模型一般只考虑用户选择单个商品的概率,忽略了候选商品之间的相互影响,离散选择模型则考虑将商品候选集作为整体进行考虑。提出了使用深度学习模型来改进离散选择模型,模型使用相对特征层、注意力机制等网络结构帮助深度学习模型进行不同商品间的特征比较,研究结果表明引入离散选择模型的深度学习模型表现优于梯度提升决策树、因子分解机等模型。

移动端个性化旅游推荐系统模型设计下载：58 浏览：461

陈传敬陈琳《软件工程研究》 2019年7期

摘要:

本文在基于现有的个性化推荐研究基础,提出了用户情境和文本内容组合推荐的方法,并构建了用户兴趣矩阵模型,设计了一套个性化推荐系统。本系统可以依据移动用户的偏好为用户提供推送服务。该系统由移动端及云平台服务器构成,移动端对用户信息进行采集,并展示推荐数据;服务器端收集来自移动端的数据,展开数据分析,构建用户兴趣模型,结合文本处理技术获取推荐内容,推送给移动用户。

社交属性网下基于链路预测及节点度的推荐算法下载：48 浏览：325

江若然张玲玲《当代管理》 2019年6期

摘要:

社交网络的出现使现代人们沟通交流的方式发生了颠覆性的变化。不断有研究者从社会角度和技术角度对社交网络进行研究。链路推荐是一个非常重要的任务,一方面增强网络内部联系,另一方面改善用户体验。目前,在考虑网络结构信息和节点属性信息的社交属性拓展网络模型中链路预测算法中还没有很好的综合利用两种信息对链路生成的影响。本文在基于局部信息的链路预测算法下考虑不同类型共同邻居节点对链路生成的影响,并将其应用于社交属性拓展网络模型中。在改进的算法中,用户共同邻居节点和属性共同邻居节点对链接相关性的影响被给予不同的处理。在Google+社交数据集的实验表明,在社交属性拓展网络模型下,本文改进算法优于不考虑共同邻居节点影响的算法。在总结实验结果中用户共同邻居节点和属性共同邻居节点对链接生成的不同影响后,对不同类型节点的处理方法提出指导性建议。

基于MyMediaLite平台的推荐方法探究下载：87 浏览：498

林楠杨文渊马伊莉朱婷婷陈圣磊《软件工程研究》 2018年3期

摘要:

推荐系统是互联网和电子商务的产物。它是建立在对海量数据训练的基础上的一种智能平台,能够向顾客提供个性化的信息服务和决策。随着电子商务大数据的高速发展,推荐系统正逐渐成为学术界的研究热点之一。针对推荐系统理论性强、内容抽象的特点,本文介绍了以MyMediaLite为平台的个性化推荐实践方案,并详细阐述了其具体的实施过程。通过介绍MyMediaLite的系统结构框架,以及分析基于MyMedia Lite的实验过程,为研究者使用MyMediaLite推荐系统库进行算法研究奠定了基础。

基于深度神经网络和加权隐反馈的个性化推荐下载：45 浏览：387

薛峰刘凯王东张浩博《人工智能研究》 2020年8期

摘要:

改进的矩阵分解(SVD++)将用户和物品特征向量的内积作为用户对物品的评分,而内积无法捕捉用户与物品之间复杂的高阶非线性关系.此外,SVD++在融入用户隐式反馈时,未区分不同交互物品对于用户特征表达的贡献.针对上述问题,文中提出基于深度神经网络和加权隐反馈的推荐算法(DeepNASVD++),采用深度神经网络建模用户与物品之间的关系,使用注意力机制计算历史交互物品在建模用户隐式反馈时的权重.在公开数据集上的实验验证文中算法的有效性.

缓解数据稀疏问题的协同过滤混合填充算法下载：59 浏览：380

任永功王思雨张志鹏《人工智能研究》 2020年3期

摘要:

现实评分矩阵非常稀疏,基于用户的协同过滤无法为目标用户提供高精度的满意推荐.基于此种情况,文中提出协同过滤混合填充算法,缓解数据稀疏问题.从物品角度出发,根据相似物品的评分信息填充稀疏矩阵.同时从用户角度出发,利用填充后的矩阵计算目标用户的邻近用户.选取共同评分数量最多的物品以进一步填充矩阵.在两个真实数据集上的实验表明,本文算法在无需额外复杂信息的条件下,有效提高新用户推荐的精确度,缓解数据稀疏性问题.

融合关系挖掘与协同过滤的物品冷启动推荐算法下载：67 浏览：383

任永功石佳鑫张志鹏《人工智能研究》 2020年1期

摘要:

针对新物品缺乏(非完全冷启动)或没有(完全冷启动)评分信息,协同过滤无法为新物品进行个性化推荐的问题,文中提出融合关系挖掘与协同过滤的推荐算法.首先,利用关系挖掘提取物品关系特征,根据属性之间的多种二元关系构建关系属性,丰富可用属性信息.然后,提出基于关系挖掘的近邻选取方法,增加邻近物品的多样性.最后,融合协同过滤方法,同时解决完全和非完全新物品冷启动问题,实现新物品的个性化推荐.在两个真实数据集上的实验表明,文中方法可以系统解决推荐系统中新物品的冷启动问题.

基于轨迹挖掘模型的旅游景点推荐下载：67 浏览：359

张舜尧1 常亮2 古天龙1 宾辰忠2 孙彦鹏3 朱桂明1 贾中浩1 《人工智能研究》 2019年10期

摘要:

针对旅游推荐系统中基于内容的推荐和基于协同过滤的推荐方法的数据稀疏性和冷启动问题,以及现有轨迹挖掘方法忽略旅游轨迹中高级语义的问题,提出基于门控循环单元轨迹挖掘模型的推荐方法.为了充分利用旅游轨迹的高级语义信息,基于循环神经网络设计轨迹挖掘表示模型,对游客的旅游轨迹进行建模,在利用游客历史轨迹建模后向游客提供个性化旅游景点推荐.在真实旅游轨迹数据集上的实验表明,相比广泛使用的基线方法,文中方法在景点推荐的准确性和质量上都有一定提高.

面向在线智慧学习的教育数据挖掘技术研究下载：92 浏览：508

刘淇1 陈恩红1 朱天宇1 黄振亚1 吴润泽1 苏喻2 胡国平2 《人工智能研究》 2018年1期

摘要:

随着教育信息化进程的深入,学生在线学习数据得到不断积累,为数据驱动的教育评估和智能辅助教学提供良好条件.然而,已有的面向在线智慧学习的教育数据挖掘模型很难从海量、稀疏、高噪的数据中准确分析试题特征和学生学业水平,也较少考虑学生及教师的个性化需求.文中针对上述问题开展若干面向在线智慧学习的教育数据挖掘技术研究工作,以教育学习所涉及的试题、学生、教师为对象,以个性化推荐等技术同教育领域知识相结合为手段,以提高学生学业水平为目标.具体介绍用于试题分析和检索的试题文本表征模型、基于认知诊断的个性化学习资源推荐方法、针对教师的教学建议和指导等方法,以及这些技术所依托的应用平台——科大讯飞在线教育系统"智学网".最后简单讨论面向在线智慧学习的教育数据挖掘技术未来可能的研究方向.

基于协同过滤的高校图书推荐系统下载：68 浏览：479

刘涛《计算机研究与应用》 2019年5期

摘要:

目前大部分高校图书馆都只有对热门图书的推荐,同质化现象比较严重。而读者面对图书馆海量图书往往无从下手,使用推荐系统能很好地解决这一问题,使用Python进行数据分析与处理,基于以往的读者借阅数据,构建评分矩阵,给出个性化推荐,同时借助matplotlib将结果可视化。

融合评论主题信息的可解释推荐下载：76 浏览：460

侯雲峰《计算机研究与应用》 2018年5期

摘要:

可解释推荐成为近年来推荐系统领域的一个热点研究话题。然而,现有的可解释推荐方法并不能定量地为推荐结果做出解释。为了解决这个问题,提出一种基于主题的矩阵分解模型。模型量化用户在特定主题上的偏好程度,并且能将用户主题偏好信息用于提升推荐的性能。最终通过一系列实验验证模型的推荐性能和解释能力。

基于人工智能的电子商务个性化推荐系统研究下载：18 浏览：731

许菁《人工智能研究》 2024年11期

摘要:

随着电子商务的快速发展，用户面对的商品信息量日益庞大，个性化推荐系统已成为提高用户购物体验和商家销售效率的重要工具。本文旨在深入探讨基于人工智能的电子商务个性化推荐系统，分析其工作原理、技术挑战以及未来发展趋势。

基于大数据的机器学习算法在人工智能应用中的研究下载：37 浏览：918

曹明《人工智能研究》 2024年9期

摘要:

随着大数据技术的发展，机器学习算法在人工智能应用中的重要性日益凸显。本文探讨了基于大数据的机器学习算法在智能推荐系统、图像识别和自然语言处理中的应用。通过分析和总结当前的研究成果，本文详细介绍了决策树、支持向量机、神经网络和集成学习等主要算法在大数据环境下的应用，并结合实际案例展示了其效果和挑战。研究表明，大数据为机器学习提供了丰富的数据资源，而机器学习算法能够从大数据中提取有价值的信息，提升智能系统的性能。未来研究可以进一步优化算法，提升其计算效率和预测准确性，同时关注数据隐私与安全问题，确保人工智能技术的合法合规应用。本文的研究成果为大数据和机器学习领域的研究者和从业者提供了参考，推动了人工智能技术在各行业中的应用和发展。

大数据分析在电商平台的个性化推荐系统研究下载：35 浏览：735

王天秀《数据与科学》 2024年7期

摘要:

随着大数据时代的到来，电商平台日益庞大的用户群体带来了丰富的数据资源，也使得个性化推荐系统成为提高用户体验，提升电商平台竞争力的重要工具。本研究以大数据技术为基础，研究并构建个性化推荐系统，以期通过高精度的推荐结果，满足不同用户的个性化需求。我们首先通过分析用户行为日志，收集用户的偏好信息，然后运用机器学习算法，如协同过滤、深度学习等，进行推荐模型的构建和训练。实验结果显示，相比于只依赖历史购物记录的传统推荐方法，使用大数据分析的推荐系统能有效提升推荐结果的准确性和覆盖率，并显著提高了用户的点击率和购买转换率。因此，运用大数据技术进行个性化推荐系统研究，能够提升电子商务平台的服务质量，增强其市场竞争力，对电子商务行业具有重要的实用价值和理论意义。

基于大数据的高考志愿填报推荐系统的设计研究下载：103 浏览：1332

林陈钏《数据与科学》 2023年6期

摘要:

在大数据技术之下，通过Hadoop平台、Eclipse开发环境以及Java语言等针对数据信息实施提取，实施数据清洗以及分析，进而可以使得高考志愿填报推进系统可以被建设成功。其中，高考填报系统建设的数据基础就是理念志愿填报信息、考生具体分数以及兴趣爱好等，可以实现数据信息的进一步勾连，展开详细分析，通过推荐算法，当考生输入自己的分数、专业以及地域等基础信息，系统就可以为考生推荐与之相适宜的志愿填报推荐。

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com

	在线客服：：点击联系客服
	联系电话：：400-188-5008
	客服邮箱：：service@ccnpub.com
	投诉举报：：feedback@ccnpub.com