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。     

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。     

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.     

智能搜索引擎中协同过滤技术的研究

随着电子商务的不断发展,各种各样的电子商务平台迅速发展起来,为用户提供了更大的选择范围,成为继传统商品零售之后,顾客搜寻和购买商品的又一重要渠道.而随着用户数和商品数的急剧增加,网络上的海量商品信息也给我们带来了很多不便,使得如何及时地发现所需要的商品已经变得越来越困难.     

智能搜索引擎中协同过滤技术的研究

<正>随着电子商务的不断发展,各种各样的电子商务平台迅速发展起来,为用户提供了更大的选择范围,成为继传统商品零售之后,顾客搜寻和购买商品的又一重要渠道。而随着用户数和商品数的急剧增加,网络上的海     

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.     

融合双聚类技术的新型协同过滤算法

针对传统协同过滤算法因未考虑用户与项目之间的对偶性而产生的数据稀疏问题,提出一种基于双聚类技术和Top-n推荐技术的新型协同过滤算法:通过同时对行之间和列之间进行聚类,可以对用户和项目之间的相似性进行辨识,从而确定二者的分组信息;利用Top-n算法快速、精确地搜索出最佳的服务推荐.为了验证所提方法的有效性,在网络服务数据集上进行了相关实验.实验结果表明提出的方法能够在存在稀疏数据的情况下为用户提供有效的推荐,提高网络服务推荐的搜索精确性,提升CPU的有效利用率,并大幅度增强了算法的鲁棒性.     

个性化图书推荐系统研究

随着互联网技术的飞速发展,网络信息资源越来越多,人们通过利用传统的搜索引擎很难获取自己感兴趣的资源,如何快速的获取用户感兴趣图书信息,成为当前急需解决的问题,本文采用基于内容的个性化推荐技术,对用户浏览的图书进行特征提取,并通过相似度计算,把用户最可能感兴趣的图书资源推荐给用户。     

个性化推荐系统研究分析

互联网技术的发展及用户的个性化需求是推荐系统产生的背景,其根据用户的兴趣点及行为轨迹,为用户在海量信息中精准推荐用户所需要的信息,是机器学习、数据挖掘、知识发现等技术的结合体。基于此,介绍推荐系统的主要算法、评价方法、开源项目。     

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。     

分布式协同设计系统研究

<正>一、系统介绍在功能较复杂的控制系统中,通常以PC机为主机,单片机为从机,由单片机完成数据的采集和对装置的控制,而由主机完成各种复杂的数据处理和对单片机进行控制。所以计算机与单片机之间的数据通信显得越来越重要。串行通信是指按照逐位     

分布式协同设计系统研究

<正>随着全球信息网络技术的发展,全球化市场的形成和技术变革的加速,围绕新产品的市场竞争也日益激烈,因此,缩短新产品开发的周期、提高新产品开发的技术水平、降低新产品开发     

分布式协同设计系统研究

随着全球信息网络技术的发展,全球化市场的形成和技术变革的加速,围绕新产品的市场竞争也日益激烈,因此,缩短新产品开发的周期、提高新产品开发的技术水平、降低新产品开发的成本,并保证上市后产品的上市周期,就成为企业形成竞争优势的重要因素.产品整个设计制造的全过程,各方的协同工作变得极为重要.     

珍珠岩过滤技术在啤酒工业中的应用

珍珠岩过滤技术在啤酒工业中的应用濮阳市中原啤酒厂李好铭王振江刘致文八十年代以前，我国的啤酒成品过滤一直采用较落后的棉饼过滤方法。进入八十年代，我国引进了硅藻土过滤技术，并得到了较为广泛的采用。近几年，又产生了珍珠岩过滤技术，通过我厂近半年的试验应用，...     

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.     

基于关联规则的电子商务推荐系统研究

电子商务网站可以使用推荐系统分析客户的消费偏好,向每个客户具有针对性地推荐商品．推荐系统在帮助了客户的同时也提高了顾客对商务活动的满意度．本文首先对基于关联规则的推荐系统的相关知识进行了讨论,提出基于项目支持度的关联规则推荐算法,并通过实验验证该算法的可行性．在此基础上对基于关联规则推荐系统的结构进行了研究．     

移动互联网时代协同感知技术研究

本文研究了协同感知的相关概念及技术,具体包括:移动协同感知技术、基于位置的服务(LBS)、移动社交网络。然后对开发环境Android平台的基本知识进行了研究,最后对谷歌地图的可视化技术进行研究。     

基于聚类和粗糙集的智能邮件过滤系统研究

粗糙集理论是一种新的处理不精确、不完全与不相客知识的数学工具，随着Internet的发展，以及电子邮件的广泛应用，将有大量的邮件以待阅读和处理，介绍了一种基于聚类和粗糙集对邮件进行过滤的系统，实战证明，这是一种可行有效的过滤方法。     

网络协同学习系统在高职物理教学中的应用

<正>利用网络进行协作交流和讨论学习,可以培养学生善于利用信息工具重构知识,在自主选择和利用信息资源中提高学生自学与探究能力.大多数高职院校由多所学校合并而成,学生分散在各个校区,加强协同学习更加必要.     

基于知识的企业群协同系统模型研究

实现企业间基于知识的协同合作是企业群运作及发展的必然趋势,是提高企业群核心竞争力的重要途径。在描述知识协同概念的基础上,给出企业群知识协同系统模型,并进一步探讨支持协同合作的动力机制,为企业群知识协同的高效运作提供借鉴性指导。