基于用户和项目的双视角协同过滤推荐方法

传统的协同过滤推荐方法存在单视角信息利用不足、预测精度不高、对数据稀疏性敏感等问题,为此提出同时考虑相似用户和相似项目的双视角协同过滤推荐方法.根据辩证的思想,利用项目内部因子和外部因子生成项目融合相似度,有效度量了项目相似性和用户相似性,并解决了双视角协同过滤推荐方法对数据稀疏性敏感的问题.在标准数据集上多次进行的实验表明,基于用户和项目的双视角协同过滤推荐方法优于多个典型的协同过滤推荐方法.     

基于混合神经网络的协同过滤推荐模型

数据稀疏性是推荐系统中严重影响推荐结果准确性的重要因素之一.针对数据稀疏性提出了融合卷积神经网络(convolutional neural network, CNN)和降噪自编码(denoising auto-encoder, DAE)神经网络混合的神经网络评分预测模型(convolutional-denosing autoencoder, CDAE)对用户未评分项目进行预测评分,从而解决数据稀疏性问题.首先将向量化后的用户评论数据通过卷积神经网络训练得到用户特征向量矩阵,其次将用户特征向量矩阵作为降噪自编码神经网络的初始权重,结合用户评分数据经过降噪自编码神经网络训练,得到用户-项目预测评分,然后在此基础上进行基于用户的协同过滤推荐.最后使用movielens-1M实验数据集对比验证了提出的混合神经网络协同过滤推荐(convolutional-denosing autoencoder collaborative filtering, CDAECF)模型.实验证明,所提出的CDAECF模型能够有效地结合隐性反馈和显性反馈数据,具有较高的推荐准确率.     

基于项目特征分类与填充的协同过滤算法研究

网络化与信息化社会具有信息海量化和用户需求个性化的特点,如何通过有效手段过滤掉与目标用户不相关的信息,筛选出对用户有用、能满足用户需求的信息成为信息研究领域的重要课题。本文针对协同过滤中存在的评分数据稀疏性与推荐准确度问题,提出了一种基于项目特征值分类与空缺元素填充的协同过滤算法。实验结果表明,改进的协同过滤算法能有效的缓解评分数据稀疏性对推荐结果的负面影响,在一定程度上提高了推荐的准确度。     

基于社团主题的领域相关推荐算法

传统的协同过滤方法假设相似的用户有着相似的偏好,然而在不同的消费领域用户往往表现出不同的特征.此外,由于用户评价矩阵的稀疏性,使得相似用户的寻找极为困难.针对上述问题,该文提出了基于社团主题的领域相关推荐算法.首先,提出了一种包含社会网络,用户对商品的评价记录和项的分类三类信息的推荐框架.然后,分别提出了专家指导的主题模型和社会网络约束的主题模型.最后,对这两种模型进行综合,提出了统一推荐模型.实验表明,该文提出的方法具有较好的预测准确性,其性能明显优于其他相关算法.     

一种基于模糊C均值聚类的稀疏数据缺失值填充方法

缺失数据处理通常基于统计学的方法,在数据预处理阶段对缺失值进行填补,其效率和准确性并不高。因此,提出了一种基于模糊C均值(FCM)聚类的嵌入式填充方法(FCMSI)。此算法通过平均比率法(ARM)对稀疏数据进行初始化填充;采用局部距离策略对FCM进行改进,并对数据进行聚类;将缺失数据作为变量,在每次聚类迭代后的簇内采用协同过滤(CF)的思想对变量值进行替换,直到结果收敛。利用UCI标准数据集进行对比实验,并采用三种不同评价指标衡量,验证了FCMSI方法比传统填充方法性能显著提高。     

一种基于电影评分预测的协同过滤

评分预测是推荐系统的重要环节,现在大部分的评分预测是利用用户的历史评分记录来推断该用户将给某个项目打多少分.该方法利用了用户历史评分记录,没有充分利用用户或者项目属性,平均绝对误差较大.针对以上问题,构造一种基于用户自画像的评分预测协同过滤推荐算法.该算法通过计算用户之间历史评分记录的相似度和用户自画像之间的相似度,然后计算出两种相似度的权重,把两种相似度乘以各自的权重进行组合.实验结果表明,构造的评分预测算法较好的减少预测评分和实际评分之间的平均绝对误差,提高了评分预测的准确性.     

基于交互历史的三维家居个性化推荐与虚拟展示

为了满足家居设计的个性化需求,将个性化推荐算法引入移动交互式三维家居个性
化设计系统中,提出了基于交互历史的协同过滤推荐算法. 首先,分析了用户的历史交互行
为,构建了一个新的用户兴趣度量度模型,将用户的交互行为转换成用户兴趣度矩阵. 然后,
综合考虑了家具单品的时效性和资源关联特性,并将这两种特性引入协同过滤推荐算法的生
成推荐过程中,以提高推荐质量. 最后,将系统推荐的家具单品应用到三维虚拟家居设计场景
中,通过对场景个性化编辑与虚拟展示,完成家居的个性化设计. 实验结果表明,该方法是可
行的,能有效提高推荐质量,具有较好的用户体验和视觉效果.     

基于CF面向对象的电子商务推荐系统

在关联规则、协同过滤的基础上提出了面向对象的推荐系统.根据客户特点进行分类,采取不同模式挖掘算法,提出面向对象的协同过滤算法,为客户提供个性化的服务,从而提高电子商务推荐系统的推荐质量.通过设计实验,对算法质量进行度量和分析.     

人脸识别中的零范数稀疏编码

为解决人脸识别中运算速度和识别效果之间的矛盾,提出了零范数稀疏编码算法. 该算法用零范数描述稀疏编码模型的稀疏度,通过对模型的间断点连续开拓,有效地提高了算法收敛速度. 运用ORL人脸数据库对该算法进行识别率和效率测试,并与非负稀疏编码算法和非负矩阵稀疏分解算法进行对比,表明文中提出的算法调节稀疏度的能力更强,可有效缩短运算时间,并在较短时间内获得较高的识别率.     

基于不同分组稀疏先验的降噪方法

稀疏组Lasso已经被证明是一种强大的回归技术,可以通过使用两层不同分组稀疏正则同时发现不同组的稀疏特性.但是在大量的应用中,由于正则项的复杂性给计算带来了巨大的挑战.针对多层不同分组稀疏的组Lasso提出了一种合理有效的方法,称为DGDN-OGS算法.把信号处理中的信号看作为样本或者特征进行不同的交叠稀疏分组,然后将多个不同的交叠稀疏分组分别编码成正则项,最后再利用Proximal映射及MM算法的框架进行迭代求解,这也说明了该方法可以应用到信号降噪领域当中.此外,该求解方法避免了之前方法中需求解对偶问题的最优解所带来的困难,并对算法的收敛性进行了分析,说明了所提出方法的合理性.     

协同过滤推荐算法专利综述

在信息化爆炸的时代,面对海量信息人们往往无法快速确定自己真正需求的信息,推荐系统及其相应的推荐算法应运而生,协同过滤推荐算法的出现标志着推荐系统的产生。协同过滤算法包含基于用户的协同过滤算法和基于物品的协同过滤算法,能够实现个性化推荐、处理复杂的非结构对象、新异兴趣的发现,且随着时间推移性能提高、自动化程度高。     

结合用户偏好和项目属性的网络结构推荐算法

针对基于网络结构的推荐算法在资源分配过程中采用平均分配方式,产生的推荐结果个性化程度低的问题,提出了一种结合用户偏好和项目属性的网络结构推荐算法。通过用户评分数据和用户对项目属性偏好程度计算用户偏好相似度,在资源分配过程中根据用户偏好相似度调整资源分配方式,使其更加合理,产生更好的个性化推荐结果。Movie Lens数据集上的实验表明,所提出的推荐算法相比于其它算法,显著提高了准确率、召回率、多样性,降低了推荐项目的流行度。     

KNN-GWD推荐模型及其应用

为解决传统推荐存在精准性差的问题，构建了一个融合K-最近邻算法（K-nearest neighbor，KNN）、图神经网络（graph neural network，GNN）和深度宽度（Wide&Deep）网络的推荐模型。融入KNN分类方法对数据进行噪声过滤，以提高数据质量；利用GNN提取用户会话图的节点嵌入表示，基于注意力机制加权用户全局特征以捕获用户短期兴趣；调用Wide&Deep以解决稀疏数据时的模型过度泛化问题。为了验证模型的有效性，分别在MovieLens-1M、Bing-News、Book-Crossing数据集与6种传统推荐方法进行对比实验，结果表明所提模型的各项评价指标更佳。为了进一步验证该模型在实际应用领域中的可行性，面向农业领域搭建了农业一体管理App化肥推荐系统，得到推荐结果的准确率为0.721，曲线下面积为0.784，满足了预期的应用需求。     

基于Curvelet稀疏表示的图像盲分离初始化

针对盲分离初始化问题提出一种基于Curvelet稀疏表示的图像盲分离初始化方法. 该方法充分利用信号Curvelet变换的稀疏特性,选取稀疏性最好的高频系数组,采用聚类方法估计聚轴中心,寻求混合矩阵估计值,实现对盲分离学习算法的初始化. 实验结果表明,该初始化方法能避免盲分离算法在收敛时陷入局部最小,加快收敛,并提高分离精度.     

融合全局和局部特征的稀疏表示人脸识别方法

针对人脸识别中如何提取到有效判别特征的问题,提出一种融合人脸图像全局和局部特征的稀疏表示人脸识别方法。首先将人脸图像用融合的特征提取算法进行特征降维,然后利用稀疏表示分类器对人脸图像进行分类判别。在ORL、Yale和FERET人脸数据库上的实验结果验证了融合算法在提高人脸识别精度方面是有效的。     

基于局部加权低秩先验的高光谱稀疏解混方法

为了充分挖掘丰度系数的内在本质属性,提升高光谱图像稀疏解混精度,提出一种基于局部加权低秩先验的稀疏解混方法.该低秩先验主要基于这一事实:高光谱图像中的局部立方体块具有较高的相空间关性和光谱相关性.加权的低秩先验能够挖掘局部块内在的低维结构特征,有效地抑制噪声,保持数据的细节结构.该先验联合全变差正则项、协同稀疏正则项,能够更好地刻画丰度系数的细节结构、局部平滑性以及行稀疏性.利用模拟数据和真实高光谱数据进行的实验表明,所提方法与现有方法相比能够更好地保持数据的细节信息,提升解混精度.     

基于Web挖掘的个性化服务

协同过滤和基于内容的过滤等传统个性化服务技术存在不能处理大规模数据、需要用户输入主观的评价信息、只能利用静态的统计特征等缺陷.最近提出基于Web使用挖掘和Web内容挖掘的个性化服务体系结构,在此基础上进一步引入了Web结构挖掘,统称为基于Web挖掘的个性化服务体系结构;给出了通过聚类算法获取总体使用特征、内容特征和结构特征及其一致化表示的方法;提供了通过总体使用特征、内容特征和结构特征实现个性化服务的途径.     

推荐系统中的协同过滤推荐技术研究

随着移动互联网的进步和信息量的急剧增长,信息过载使得用户获取需求信息更加困难。由于推荐系统可以较好地解决信息过载问题,因而被广泛应用于各种移动网络平台。在推荐系统中,应用最为广泛和成功的一种技术是协同过滤推荐。本文首先介绍了协同过滤推荐技术的原理、分类和存在的问题,然后简要概括了评价推荐系统是比较常用的评估方法,并对进一步需要研究的问题进行总结。     

推荐系统中的协同过滤推荐技术研究

随着移动互联网的进步和信息量的急剧增长,信息过载使得用户获取需求信息更加困难。由于推荐系统可以较好地解决信息过载问题,因而被广泛应用于各种移动网络平台。在推荐系统中,应用最为广泛和成功的一种技术是协同过滤推荐。本文首先介绍了协同过滤推荐技术的原理、分类和存在的问题,然后简要概括了评价推荐系统是比较常用的评估方法,并对进一步需要研究的问题进行总结。     

运用压缩感知理论的图像稀疏表示与重建

讨论了压缩感知理论用于图像稀疏重建的基本流程. 采用正交匹配追踪重建算法和正交归一化的随机高斯测量矩阵,对离散余弦变换和离散小波变换两种稀疏表示算法进行分析比较,通过调节实验图像的分块大小和采样率大小、采样率和稀疏表示算法对重构效果和效率的影响. 在图像的稀疏表示方面,离散余弦变换整体上比离散小波变换性能更好. 为了在重构效果与效率之间取得平衡,需要合理选择分块大小和采样率.