基于支持向量机的网络信息过滤模型研究

随着互联网信息的迅速增长,信息过滤技术得到越来越广泛的应用.笔者将支持向量机引入到信息过滤中,利用它来训练样本进而构建用户模板.同时,考虑到用户信息需求的动态性及构建完备训练集的困难性,在系统中引入反馈技术来进一步调整优化用户模板,提高过滤的自适应能力及准确性.     

自适应过滤算法在基于社区E-learning的个性化知识服务系统中的研究

针对学习型社区中的教育需求,在传统算法上加以改进提出了一种基于向量空间模型的教育资源自适应过滤算法。首先通过训练算法,提取特征向量和伪反馈建立初始模板,设置初始阈值。然后通过过滤算法根据用户的反馈信息自适应地调整模板和阈值。该算法在执行过程中,不需要大量的初始文本,同时在过滤的过程中可不断地进行自主学习来提高过滤精度。该算法已在项目中进行验证,结果表明是有效的。     

自适应过滤算法在社区E-learning的个性化服务系统中的研究

针对学习型社区中的教育需求,在传统算法上加以改进,提出了一种基于向量空间模型的教育资源自适应过滤算法．通过训练算法,提取特征向量和伪反馈建立初始模板,设置初始阈值．然后通过过滤算法根据用户的反馈信息自适应地调整模板和阈值．该算法在执行过程中,不需要大量的初始文本,同时在过滤的过程中可不断地进行自主学习来提高过滤精度．该算法已在个性化知识服务系统中进行验证,结果表明是有效的．     

结合项目类别信息的协同过滤推荐算法

针对个性化推荐系统中协同过滤算法面临的数据稀疏问题以及用户相似性度量的不准确,提出了一种结合类别信息的协同过滤推荐算法。该算法利用用户评分数据计算用户之间对类别关注的相似性,并将用户对类别关注的相似性和用户评分相似性进行组合,得到用户综合相似性,从而提高了最近邻居搜索的准确度,缓解了数据稀疏性问题。实验结果表明,该方法能够有效地避免传统相似性度量方法存在的问题,使得数据稀疏性对最终推荐结果的负面影响变小,在一定程度上提高系统的推荐精度。     

基于二部图半监督方法的查询日志实体挖掘

基于用户查询日志的命名实体挖掘的目标是从用户查询日志中挖掘一组具有指定类别的命名实体。为解决已有用户查询日志实体挖掘研究工作中的种子实体不充分的问题,提出了一种基于二部图的半监督排序方法,利用实体之间的关系(实体共享查询模板)来改善实体排序效果。该方法首先基于候选实体和查询模板构建一个二部图,然后基于二部图将种子实体的类别相关性传播到其他候选实体,最后按照类别相关性得分对候选实体进行排序,并进一步给出方法中迭代过程的等价优化框架。实验结果表明本文提出的方法优于基准方法,具有较好的挖掘效果。     

基于遗传算法的用户模板优化研究

近年来，由于科技突飞猛进的发展和互联网的迅速崛起，不良信息的过滤成为信息过滤的一个重要方向，而信息过滤的关键技术是用户模板的获取．本文对遗传算法作了改进，并将其用于优化用户模板，使用户模板具有关键词自动扩充和自适应能力，进而能有效地进行过滤，提高过滤质量．     

结合项目类别信息的协同过滤推荐算法

针对个性化推荐系统中协同过滤算法面临的数据稀疏问题以及用户相似性度量的不准确,提出了一种结合类别信息的协同过滤推荐算法。该算法利用用户评分数据计算用户之间对类别关注的相似性,并将用户对类别关注的相似性和用户评分相似性进行组合,得到用户综合相似性,从而提高了最近邻居搜索的准确度,缓解了数据稀疏性问题。实验结果表明,该方法能够有效地避免传统相似性度量方法存在的问题,使得数据稀疏性对最终推荐结果的负面影响变小,在一定程度上提高系统的推荐精度。     

基于自适应用户模型的RSS内容过滤

为更好地解决用户如何从过载信息中快速获取需要的信息,利用RSS标准与内容过滤技术,提出了一种使用Rocchio单次反馈和多次反馈相结合的方法,此方法可以准确、快速地追踪用户兴趣的概念漂移,自适应用户模型的变化,更好地实现用户的个性化需求.为验证该方法的可行性,实现了一个基于RSS新闻的内容过滤系统(RSS News Filtering).     

一种改进的协同过滤推荐算法

基于互联网的推荐系统为广大用户提供了一个信息共享平台,给用户提供便利,但是初期信息量少,矩阵过于稀疏,所以本文利用矩阵分解中的SVD分解,对协同过滤中的matrix进行运算,再次输入到协同过滤的模型中,从而进一步提高推荐系统的准确性.实验结果表明,该方法较单纯的协同过滤推荐算法评估指标RMSE上有明显降低,表明误差会降低.协同过滤推荐算法作为是推荐系统中使用较广泛的算法之一,因此一点点改进都是有必要的.本文后面提及了张量,为之后引入时间序列,类别(利用NLP识别所属类),标签等维度,利用张量分解建立用户、物品、评分,时间,类别,标签等多维度的推荐系统.     

基于自适应用户模型的RSS内容过滤

为更好地解决用户如何从过载信息中快速获取需要的信息，利用RSS标准与内容过滤技术，提出了一种使用Rocchio单次反馈和多次反馈相结合的方法，此方法可以准确、快速地追踪用户兴趣的概念漂移，自适应用户模型的变化，更好地实现用户的个性化需求．为验证该方法的可行性，实现了一个基于RSS新闻的内容过滤系统（RSS News Filtering）．     

用户反馈自适应的POP3邮件过滤代理模型

为了有效接受邮件客户端反馈并自动根据邮件客户端反馈对邮件过滤系统做出调整,提出了用户反馈自适应的POP3邮件过滤代理模型SAMFUF（self-adaptive mail filtering POP3 proxy based on users’feedback）。SAMFUF采用异步连接模拟同步连接方式建立邮件客户端和邮件服务器间POP3连接,实现了邮件客户端与邮件服务器间的透明性连接;将最大熵、贝叶斯和支持向量机等基于内容过滤的方法从邮件过滤系统中独立出来,实现了通用邮件过滤系统的设计;通过在邮件中插入包含邮件唯一标识、分类结果等信息的HTML表单的标签以及调整邮件过滤模型,实现了基于邮件客户端的用户反馈以及邮件过滤系统的自适应功能;采用线程池管理线程和overlapped I／0事件通信方式实现邮件客户端与邮件服务器间通信,实现了邮件过滤服务的高效率和稳定性。实验表明,SAMFUF在垃圾邮件过滤上具有较高的效率和准确率。     

融合相似用户和信任关系的动态反馈协同过滤推荐算法

为了克服推荐算法的静态性缺点,提出融合相似用户和信任关系的动态反馈协同过滤推荐算法.该算法用动态因子融合相似用户和信任关系,动态因子初始取随机数,根据用户反馈和系统预测的误差建立正负反馈机制.按照反馈类型,选择增值或衰减函数适当调整动态因子,以便系统更好预测用户评分.在真实数据集Epinions上的实验表明,采用正负反馈的动态融合算法,不仅克服了静态性缺点,而且较基于相似用户或者信任关系的推荐进一步提高了推荐准确率.     

一种改进KNN个性化邮件过滤的方法

针对个性化邮件过滤中接收的邮件没有规律、正常邮件和垃圾邮件存在严重类偏移等问题,提出一种改进的k最近邻(k-nearest neighbor algorithm,KNN)个性化邮件过滤方法.该方法主要是通过建立兴趣度模型(对兴趣度计算的改进,剔除用户习惯对建立兴趣度模型带来的影响)不断改变训练集,使得训练集中的文本始终...     

Open Bookmark——基于Agent的信息过滤系统

为解决搜索引擎等传统网络信息服务系统的不足 ,提出了一个基于 Agent的信息过滤系统—— OpenBookm ark,它提供了一个开放性的信息组织环境。 OpenBookm ark使用向量空间法和社会过滤两种信息过滤方式帮助用户获取有用信息。向量空间法采用关键词向量描述用户的信息需求 ,通过计算信息之间的相似度 ,从信息数据库中提取符合用户兴趣的信息推荐给用户 ,并根据用户的反馈信息调整关键词向量。系统采用信息 Agent获取用户的信息需求 ,以实现个性化的主动信息服务 ,Agent之间采用 Agent通信语言进行信息协作 ,实现社会过滤。在开放式信息服务系统中使用信息过滤的方法 ,可以帮助用户有效地获取信息。     

基于潜在因子多样性的非负矩阵分解协同过滤模型

基于非负矩阵分解的协同过滤模型在高维稀疏数据的预测和填补上十分有效，该模型具有推荐个性化、有效利用其他相似用户回馈信息的优点，但也存在预测精度较低等不足。针对用户或项目在不同情景下的评分差异性，提出了一种改进的基于潜在因子多样性的非负矩阵分解的协同过滤模型。该模型充分考虑在不同情境下，用户和项目潜在特征矩阵的多样性，在模型的训练中，采用了单元素非负乘法更新规则和交替方向法，保证了目标矩阵的非负性，且提高了模型的收敛率。在真实的工业数据集上的实验结果表明，相比于经典的非负矩阵分解模型，该模型的预测精度有了明显提高。     

基于网页关键词的个性化Web推荐算法

个性化Web推荐系统是利用用户的浏览行为定制符合用户结构和内容的过程。在综合应用协作过滤和内容过滤方法的基础上,通过对网站网页关键词的评估,提出了一种新的个性化Web推荐算法,研究了基于网页关键词的个性化模型,网站页面中关键词的权重计算,基于协作过滤的新用户推荐,基于内容过滤的再次推荐方法,以及基于用户群的用户兴趣调整方法。实验证明,本算法能够以较高的效率对用户进行网页推荐。     

一种基于优化阈值的有限反馈预编码算法

在上行链路总反馈量受限的多用户MIMO系统中,小数量用户配合高速率反馈比大数量用户配合低速率反馈具有更优的和速率.但较少的用户反馈却不利于获得多用户分集.针对该问题,提出了一种基于优化阈值的用户选择算法,并根据最优反馈速率从选出用户中确定实施反馈的用户.在用户反馈的信道方向信息和信道质量信息基础上,利用迫零波束成形(ZFBF)算法进行预编码.仿真结果表明,该方案具有比最优反馈速率算法更高的和速率.     

基于伪逆的多小区FDD系统中的联合空分复用方法

云无线接入网(cloud radio access network,C-RAN)架构实现了小区间的联合处理,大规模多输入多输出(massive multiple-input multiple-output,Massive MIMO)技术在系统容量和频谱效率方面具有巨大的优势,但由于训练和反馈开销较大使得Massive MIMO难以应用于频分双工(frequency division duplex,FDD)系统.C-RAN架构下,考虑在不同小区之间引入联合空分复用(joint spatial division and multiplexing,JSDM)技术减少导频序列检测和信道信息反馈开销,在高酉条件不满足时,采用基于伪逆的方法来减少组间干扰,通过迫零(zero-forcing,ZF)滤波实现组内用户间干扰消除.理论分析和仿真结果表明,设计的一阶预编码矩阵相对于块对角化(block diagonalization, BD)算法复杂度得到降低,其和速率有一定改进.