排序方式: 共有6条查询结果,搜索用时 359 毫秒
1
1.
2.
在目前信息高速发展的时代,个性化推荐作为信息过滤的重要手段,是解决信息超载的最有效方法之一。协同过滤一直是解决个性化推荐比较热门的技术,其主要思想是计算用户之间的相似性或计算项目之间的相似性,然后根据用户或项目之间的相似性对目标用户进行推荐。文章基于协同过滤的思想,提出了一种结合用户评分一致性的单模投影算法,首先在用户与项目的关系二部图中计算用户之间的评分一致性,然后把一致性赋值作为压缩之后的单模投影权值,最后用K近邻找到相似用户并做出个性化推荐。在MovieLens、 FilmTrust和Jester等真实数据集上的实验表明,基于评分一致性的推荐算法达到了较好的效果。 相似文献
3.
利用组合分析法和构造染色的方法, 讨论 图K15-E(K3)和K17-E(K3)的邻点可区别全染色, 确定了它们的邻点可区别全色数分别为16和19. 相似文献
4.
图G的一个正常全染色f称为是邻点可区别的,如果G中任何相邻点的点及其关联边的颜色集合不同.对一个图G进行邻点可区别的正常全染色所用最少颜色数称为G的邻点可区别全色数,记为xat(G).证明了xat(G)≤△(G)+2对任意的△(G)≥11且围长至少为4的平面图G成立. 相似文献
5.
随着在线网络数据量激增,单纯分析网络拓扑结构、节点属性、边属性无法有效认识和理解其内在结构和特性,因此提出基于边函数的半监督社区检测算法。首先将拓扑结构和属性信息统一为先验知识,设计边函数便于引入属性等各类先验知识;在此基础上,结合传统半监督学习框架,采用半正定规划学习全局最优的节点归属矩阵。在人工合成数据、赣南客家数据和基准数据上的实验和分析表明,与已有传统半监督社区检测算法相比,该算法能有效利用各种先验知识,检测社区性能较好,并能较好地抵抗数据退化问题。 相似文献
6.
给出了最小度至少是2的图G的k重Mycielski图M~k(G)(其中k为正整数)的点可区别全色数的上界. 相似文献
1