面向用户偏好的属性值评分分布协同过滤算法

针对传统协同过滤算法存在的不足,本文充分考虑用户对项目相关属性特征的偏好,将用户对项目的评价转化为用户对项目属性偏好的评分分布;在此基础上,对传统的协同过滤算法的相似性度量方法进行改进,并采用修正的用户偏好数学期望预测模型,提出一种面向用户偏好的属性值评分分布协同过滤推荐算法.实验结果表明,该算法可有效解决传统过滤算法存在的问题,推荐精度显著提高,使推荐服务更好地满足用户的偏好需求.     

基于协同过滤和网络结构的个性化推荐算法

综合了经典的协同过滤算法和基于网络结构的个性化推荐算法.项目同其他所有项目的相似度之和被认为是项目在个性化推荐系统中的初始推荐资源,然后通过二部图的网络结构将这种资源进行重新分配.同时考虑两个项目之间的相互作用关系,提出了最终的推荐算法.最后,根据用户未曾收集项目最终所获得的资源进行排序,向用户推荐资源最多的项目.通过...     

基于层次本体模型(HOM)的语义相似度计算方法

本体映射通过计算实体之间的局部的或/和全局的语义相似度来确定实体之间的关系。除了实体之间的局部或/和全局的关系外,在很多情况下整个本体之间的关系对于计算语义相似度也是很有帮助的。本文试图利用这些关系来计算实体之间的相似度以改进本体映射的性能。为此,本文以范畴论为基础提出了一个层次化的本体模型(hierarchical ontology model,HOM)用以形式化描述这种关系。在此基础上,还提出了一种本体映射算法HOM-Matching,该算法利用本体之间的关系来计算实体之间的语义相似度。两组实验表明:通过设定合适的参数,该算法可以较好地提高本体映射的性能。     

一种基于最小张树的属性聚类算法

结合图论中的最小张树方法 ,提出了相似度以及接触度两个概念 ,并以此为基础建立了一种属性聚类算法 .文中就几个具体问题 ,将其与 FCM及 AKM等方法进行比较 ,以便分析其聚类效果 .很明显 ,我们所介绍的方法弥补了其它方法的一些不足 ,并能在一定程度上解决实际问题.     

供需匹配视角下基于语义相似聚类的技术需求识别模型

在技术供需文本匹配视角下,提出了一种基于语义相似聚类的技术需求识别模型.首先,采集网络中技术需求文本提取关键短语;然后,建立领域专利技术转让索引库,基于需求关键短语检索出高相关专利,构建专利技术供给背景库,并对背景库中专利标题与摘要进行分词;第三,提出基于词向量的供需文本语义匹配度算法,筛选有效技术需求并进行语义相似聚类;最后,考虑技术需求对应的需求量和专利技术转让量,对聚类结果进行二维分类.以新能源领域为例进行实证,识别出有效技术需求195个,基于语义相似聚成12类,结合需求量与专利转让量,将12类技术需求分为“高需求、高转让”、“高需求、低转让”、“低需求、高转让”、“低需求、低转让”四大类.该研究为网络技术需求挖掘及供需匹配提供一种新思路.     

基于相似关系的多属性决策问题研究

属性权重确定是多属性决策问题中一个重要的研究内容。针对属性权重未知的多属性决策问题：首先,指出决策对象与理想对象之间的相似度与决策对象的优势度之间存在直接的关系;其次,借鉴离差最大化算法,提出用属性值的相似度来确定属性权重;再次,利用各个决策对象与理想对象的相似度对各决策对象进行排序并择优;最后,对属性值为区间数的多属性决策实例进行了分析,同时对该算法与离差最大化算法的异同点进行对比。     

基于用户兴趣的混合推荐模型

从用户特征描述出发,分析用户兴趣模型的表达机制,提出一种基于用户兴趣的混合模式推荐方法.该方法将内容过滤和协同过滤的预测值进行加权求和,形成最终的综合相似度.实验结果表明,该方法的性能同时优于基于用户协同过滤的推荐方法和基于内容过滤的推荐方法,推荐系统的推荐质量得到显著提高.     

基于符号数据与非负矩阵分解法的混合推荐算法北大核心CSSCI

针对现有推荐算法在处理海量数据时效率和精确度低下的问题,提出一种将基于内容的推荐算法与基于项目的协同过滤算法相结合的新的混合推荐算法。首先引入符号数据分析方法,使用模态符号数据对项目建模,同时针对评分矩阵的超高维及稀疏性问题加入非负矩阵分解算法,对项目的特征矩阵进行有效"平滑",以此为基础计算项目之间的相似性,进而完成混合推荐。基于MOVEILENS数据的实验结果表明,本文提出的混合推荐算法与传统的基于项目的协同过滤算法相比,在相似性计算上具有更高的效率,同时在应对数据稀疏性及新用户问题时,具有更高的推荐精度。     

一种基于相似度的混合型多属性决策方法

研究了实数、区间数、语言值和不确定语言值相结合的混合型多属性决策问题。基于逼近理想解的排序方法(TOPSIS方法)确定理想方案,并定义了一种新的相似度,将各类型属性值的相似度计算规范到统一的度量空间,并且指出该相似度的几何意义,说明用该方法描述方案相似程度的合理性。将待选方案与理想方案比较,进行排序择优。最后,给出两个算例,证明了该算法的有效性。     

基于粗糙集的区间型数据离散化算法

针对条件属性取值为区间型数据的离散化问题,提出了一种新的基于粗糙集理论的离散化算法.首先将粗糙集理论中上、下近似的概念进行扩展,用以描述区间数对象间的距离和相似关系,并通过定义相似度阈值来确定对象间的 相似关系.为了达到用最少的离散划分区间得到较好的离散化结果,并合理地确定相似度阈值, 文章给出了粗糙熵的概念.通过离散化属性的上、下近似粗糙熵值的计算以及该属性下各区间数对象的相似度矩阵的确定,可以得到该属性下最终的离散化结果.最后给出了一个烟叶质量等级评价的实例, 实验结果表明该算法是有效的.     

GPC隐式算法及其在供热控制中的仿真研究

基于理论研究和工程应用的需要，提出了广义预测隐式算法。首先介绍了具有滤波器的模型已知的基本广义预测控制（GPC）算法，然后给出了两种隐式自适应算法，一种是已知对象阶跃响应前P个参数的算法，这种算法既不需要在线递推求解Diophantine方程，也不需在线求逆；另一种是一次辨识控制器参数的算法。最后以集中供热热力站热交换过程为应用背景，对基本算法和两种隐式算法进行仿真研究，其结果证明了算法的有效性。     

基于多维形态特征表示的时间序列相似性度量

特征表示和相似性度量是时间序列数据挖掘的基础工作, 其质量好坏直接影响后期的挖掘结果. 利用正交多项式回归模型对时间序列进行多维形态特征表示, 分析特征维数对时间序列拟合效果的影响, 选取部分特征来描述序列的主要形态趋势, 提出了一种鲁棒性较强的形态特征相似性度量方法来近似度量时间序列, 且具有较高的相似性度量质量. 实验结果表明, 基于多维形态特征表示的时间序列相似性度量方法不仅满足下界要求, 具有较好的下界紧凑性和数据剪枝能力, 而且在时间序列聚类和分类等数据挖掘任务中取得了良好的效果.     

基于动态时间弯曲的区间值时间序列匹配算法

结合vague集的优点,将区间值的思想应用于时间序列研究,定义了基于区间值的时间序列.同时,在综合分析了不同的vague值(区间值)的相似度量的缺点后,提出了一种新的基于vague值的相似度量,并结合动态时间弯曲的思想,给出了一个基于动态时间弯曲的区间值时间序列的相似性匹配算法.     

考虑用户兴趣和能力的众包任务推荐方法

众包平台的信息过载使工人面临任务选择的困难.针对众包特征,本研究提出一种考虑工人兴趣和能力的任务推荐方法.该方法基于协同过滤推荐思想,首先通过TF-IDF技术构建考虑兴趣偏好的工人模型,然后将基于胜任力理论分析构建的工人KSAO能力集合融入到模型中,构建新的工人模型;在此基础上,利用余弦相似性、Jaccard相似性和改进的余弦相似性公式,计算工人间融合兴趣和能力的综合相似度,依此来选取近邻集并最终生成推荐.利用猪八戒网采集的数据进行实验,结果表明该方法的有效性,并通过对比实验证实该方法比传统协同过滤方法推荐效果更佳.从推荐视角丰富众包任务选择的研究,对于众包中解决信息过载、增进个性化体验等具有一定的现实意义.     

兼顾形状-距离的正态云模型综合相似度测算

研究了正态云模型相似度的测算方法.提出了正态云模型的形状相似度和距离相似度概念,建立了云模型综合相似度测算框架.结合云模型的数字特征,给出了形状相似度计算公式.研究了云模型距离对相似度的影响关系和数学性质,提出了基于距离的相似度测算定义,并研究了便捷的计算方法.算例说明了算法的可行性.     

基于Hsia算法的Hammerstein模型辨识

针对采用广义最小二乘法（GLS）辨识Hammerstein模型时反复滤波，计算效率不高的问题，提出了利用Hsia算法进行Hammerstein模型辩识的策略．谈法不需滤波，克服最小二来解有偏性的同时，消除了Hammerstein模型中非线性增益的阶次对计算效率降低的作用，鳊程简单，计算快速．仿真及试验研究证明谈法省时明显，值得推广。