文章-世纪中文出版社

徐吉1 李小波2 许浩2 《数据与科学》 2019年4期

摘要:

协同过滤算法一般根据用户的评价信息来推测用户的喜好,但受到数据稀疏问题的影响,许多时候无法得到较为理想的推荐结果;除此之外,一般协同推荐算法忽略了用户兴趣的动态变化;考虑到传统协同过滤算法存在上述问题,本文进行了研究,并提出了改进后的协同过滤推荐算法。整个算法的具体执行过程如下所示:第一步是根据用户偏好构建一个兴趣迁移模型,然后依据具体的评分时间对多个项目评分进行有速度差异的衰减,衰减完成之后得到项目评分矩阵,并将其应用到相似度的计算中;采用这种方式能够有效地解决用户兴趣变化引起的、推荐结果准确性降低的问题。然后是构建一个合适的用户信任度模型,根据T-采用率、可信度来对用户的信任度进行计算。最后将得到的信任度与基于时间的相似度进行线性组合,依据其权重大小进行最近邻选择与项目评分,并通过实验的方式,证明算法Improvement-CF能够有效提升推荐结果的准确性。

面向个性化推荐的教育新闻爬取及展示系统下载：91 浏览：503

刘灿任剑宇李伟张强强《软件工程研究》 2018年5期

摘要:

为了满足人们能快速、准确地获取个人最关心的教育类新闻的实际需求,本文提出了一种面向个性化推荐的教育新闻爬取及展示系统。本系统采用主题爬虫技术,在对爬取策略及爬取内容进行文本解析的基础上,获取教育新闻数据。结合用户需求特征,利用协同过滤的推荐策略,生成满足不同用户需求的个性化页面,并以词云和列表的形式展示给用户。该系统为人们获取最具时效性的教育新闻信息提供了一种可行的途径。

融合网络图模型和排序模型的论文个性化推荐算法下载：63 浏览：435

刘伟1 刘柏嵩1 王洋洋2 《数据与科学》 2019年3期

摘要:

研究学术论文的质量和用户身份在推荐过程中影响个性化推荐结果的准确率和质量的问题,在研究网络图模型和排序模型的基础上,提出一种融合网络图模型和排序模型的论文推荐算法,将论文质量融入用户-论文二部图,利用重启随机游走生成与用户兴趣相关的学术论文,最后利用排序模型对相关学术论文进行排序生成Top-N推荐列表。通过实验对比,结合论文的质量进行推荐相对于其他方法平均召回率提高了3. 62%,排序模型能够生成满足不同身份用户需求的推荐列表。

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。

基于推荐应用的盲参考自拍图像质量评价下载：67 浏览：374

靳佳佳李福翠邵枫《数据与科学》 2018年9期

摘要:

本文除了对自拍图像的各种失真进行评价之外还加入了美学元素-布局的评价。我们提出了一种基于推荐应用的盲参考自拍图像质量评价,结合多重特征将自拍图像分为质量优和质量差两类,并推荐质量差的图像重新拍摄。首先收集了1000张自拍图像,从中选取具有代表性的866张自拍照构建数据库,然后分别针对图像的自然度、局部亮度、结构布局进行主观评价,接着采用多种特征训练质量分数的IL-NIQE评价自然度(清晰度)好坏、基于人脸检测评价局部亮度好坏、基于人脸定位评价结构布局好坏,再根据决策树决策机制得出自拍图像的整体质量。最后采用受试者工作特征曲线/接收器操作特性曲线(receiver operating characteristic curve)—ROC曲线对提出的算法性能进行分析评价。实验结果表明该评价方法:AUC达90.83%,特异度达92.79%,灵敏度达86.12%。

基于有效感受野的区域推荐网络下载：42 浏览：359

张绳昱1,2 董士风2 焦林2 王琦进2 王红强2 《人工智能研究》 2020年10期

摘要:

基于卷积神经网络的目标检测方法通过优化区域推荐达到较高的检测精度.由此,文中提出基于有效感受野的区域推荐网络.在区域推荐网络上引入基于有效感受野的样本匹配方法,强化基于交叠比的样本匹配规则,增强特征信息在区域推荐生成时的表征能力,减少锚定框和区域推荐数目,简化锚定框参数设置.结合快速区域的卷积神经网络检测器后,在Pascal VOC数据集上的检测精度有所提升,这表明文中方法是有效的.

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.

基于LU分解和交替最小二乘法的分布式奇异值分解推荐算法下载：57 浏览：374

李琳王培培谷鹏解庆《人工智能研究》 2020年2期

摘要:

针对当前分布式潜在因子推荐算法存在时间复杂度较高、运行时间较长的问题,文中提出基于LU分解和交替最小二乘法(ALS)的分布式奇异值分解推荐算法,利用ALS利于分布式求解目标函数的特点,提出网格状分布式粒度分割策略,获取相互独立不相关的特征向量.在更新特征矩阵时,使用LU分解求逆矩阵,加快算法的运行速度.在KDD CUP 2012 Track1中的腾讯微博数据集上的实验表明,文中算法在确保一定推荐精度的前提下,大幅提升推荐速度和算法效率.

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.

基于时间相关度和覆盖权重的协同过滤推荐算法下载：73 浏览：401

张志鹏1 张尧2 任永功1 《人工智能研究》 2019年10期

摘要:

基于物品的协同过滤(IBCF)在计算相似度和预测评分时为所有物品分配相同的权重,提供的推荐往往不能同时具有良好的预测精度和分类精度.因此,文中提出基于时间相关度和覆盖权重的协同过滤算法(TCWCF).将时间相关度函数应用于物品间的相似度计算,提高推荐的预测精度.同时构建覆盖度函数,融入预测评分阶段,提高推荐的分类精度.在MovieLens数据集上的实验表明,TCWCF性能优于IBCF和其它相关算法,可以同时为目标用户提供具有良好预测精度和分类精度的满意推荐.

基于多目标优化策略的在线学习资源推荐方法下载：72 浏览：382

李浩君杨琳张鹏威《人工智能研究》 2019年9期

摘要:

目前在线学习资源推荐较多采用单目标转化方法,推荐过程中对学习者偏好考虑相对不足,影响学习资源推荐精度.针对上述问题,文中提出基于多目标优化策略的在线学习资源推荐模型(MOSRAM),在学习者规划时间内,以同时获得学习者对学习资源类型偏好度最大和难度水平适应度最佳为优化目标,设计具有向邻居均值学习能力和探索新区域能力的多目标粒子群优化算法(NEMOPSO),提出以MOSRAM为核心的在线学习资源推荐方法(NEMOPSO-RA).不同问题规模下融合经典多目标优化算法的推荐方法对比实验表明,NEMOPSO-RA可以有效提高在线学习资源的推荐精度和推荐性能.

基于多重隐语义表示模型的旅游路线挖掘下载：72 浏览：461

孙彦鹏1 古天龙2 宾辰忠2 孙磊2 《人工智能研究》 2018年8期

摘要:

针对用户个性化旅游行为过程的挖掘与景点推荐问题,提出多重隐语义旅游路线表示模型(MLSTR-RM).MLSTR-RM考虑不同上下文对用户旅游路线的影响,高效挖掘旅游路线中丰富的隐语义.首先确定模型中不同上下文包含的隐语义信息,然后通过负采样的方式训练模型参数,最后基于MLSTR-RM模型设计个性化景点推荐方法.在真实数据集上的实验表明文中模型的有效性.

社交网络中融合社交关系和语义信息的推荐算法下载：82 浏览：491

刘慧婷杨良全凌超赵鹏《人工智能研究》 2018年5期

摘要:

协同过滤方法广泛应用于推荐,但是数据稀疏成为模型提供高质量推荐的一大障碍.为了解决此问题,文中提出融合社交关系和语义信息的推荐算法,提高协同过滤方法的推荐性能,有机融合稀疏的用户行为记录、项目的社交信息和项目的语义信息.应用矩阵分解技术把行为矩阵和项目社交关系映射到一个低维的特征空间,提供项目社交关系信息分解的显式解释,分析关系信息对用户行为偏好产生的影响.同时,使用社会化因子正则的级联去噪自编码器模型学习项目语义特征,改进传统深度学习模型.在真实腾讯微博和Twitter数据集上的实验表明,文中方法有效提高召回率、准确率和推荐效率.

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.

基于异构信息网络表征学习的推荐方法下载：79 浏览：521

李亚莹《计算机研究与应用》 2020年12期

摘要:

现有的基于异构信息网络的推荐方法主要通过节点相似性挖掘推荐辅助信息,受元路径线性结构及对可见路径依赖的影响,用户和项目特征并不能被充分捕获。提出基于异构信息网络表征学习的推荐方法,通过在给定元结构上进行截断随机游走学习用户和项目节点的低维向量表示,并将其直接融入推荐样本,结合FFM模型进行评分预测。实验表明,该方法有较高性能。

基于协同过滤的高校图书推荐系统下载：68 浏览：480

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。

核电厂二回路蒸汽管道清洁方式分析及应用推荐下载：152 浏览：1531

刘海峰袁江《核工业与技术》 2023年2期

摘要:

蒸汽管道的清洁度对核电机组安全稳定启动、运行及后续的汽水品质调整都具有重要的意义。本文介绍了国内主要采用的清洁方式，并做了对比分析。对推荐的方式介绍了原理及应用。

	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