文章-世纪中文出版社

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。

一种基于CW-RNN的多时间尺度序列建模推荐算法下载：33 浏览：17

袁涛1 牛树梓2 李会元2 《当代中文学刊》 2020年9期

摘要:

序列化推荐试图利用用户与物品的历史交互序列,预测下次即将交互的物品。针对序列化推荐中推荐物品依赖于用户的长时间全局兴趣、中时间兴趣还是短时间局部兴趣的不确定性,该文提出了一种基于CW-RNN的多时间尺度序列建模推荐算法。首先,该算法引入CW-RNN层,从用户与物品的历史交互序列中抽取多个时间尺度的用户兴趣特征。然后,通过尺度维卷积来建模对不同时间尺度的用户兴趣特征的依赖,生成多时间尺度用户兴趣特征的统一表示。最后,利用全连接层建模统一的多尺度用户兴趣特征和隐式物品特征的交互关系。在MovieLens-1M和Amazon Movies and TV两个公开数据集上的实验结果表明,相比于现有最优的序列推荐算法,该文提出的算法在准确率上分别提升了3.80%和8.63%。

基于ALS模型协同过滤推荐算法的研究下载：80 浏览：324

舒珏淋吴晟《数据与科学》 2020年6期

摘要:

针对协同过滤算法存在着数据稀疏性、准确性以及可扩展性问题,提出了一种结合Word2Vec词向量模型和LSH局部敏感哈希的矩阵分解推荐算法。首先通过Word2Vec模型高速将词的相似性转换为向量之间的相似性,然后基于改进的LSH局部敏感哈希高速计算项目向量之间的相似矩阵,最后结合用户-项目原评分矩阵计算出未评分项目的预评分进行数据的填充,同时在ALS矩阵分解阶段加入相似性,以减少隐含特征因子信息的丢失。实验结果表明,改进的算法比传统的协同过滤推荐算法的MAE值低,具有更优的性能。

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：321

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。

基于用户信任的协同推荐算法研究与分析下载：74 浏览：345

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。

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：433

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：369

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：381

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.

基于时间相关度和覆盖权重的协同过滤推荐算法下载：73 浏览：395

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.

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：487

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.

	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