共查询到19条相似文献,搜索用时 203 毫秒
1.
陈显龙 《湘潭大学自然科学学报》2017,(3):107-110
针对目标用户所感兴趣的图书具体特征,开发了一种基于意见挖掘技术结合图分类器的图书推荐系统.首先,基于图的分类器技术对图书条目进行分类;然后,挖掘出图书条目的评价信息,并根据评价内容判定评价的正反面;最后,结合两组技术实现图书的个性化推荐.通过实际案例的数据进行计算,以精确率和召回率评价依据进行综合评价,结果证明了提出的推荐系统的可行性和实用性. 相似文献
2.
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。 相似文献
3.
左东石 《湘潭大学自然科学学报》2018,(2):108-111
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. 相似文献
4.
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。 相似文献
5.
互联网信息陡增,导致信息过载,为客户更加精准地推荐商品变得越来越困难.与传统推荐算法相比,基于图神经网络的推荐算法可以更好地提取客户与商品之间的关联关系.但是,在此类算法中潜在特征的乘法内积的简单线性组合无法准确捕获客户交互数据的复杂结构.针对这类问题,提出了基于感知器的图卷积推荐算法,即在利用图神经网络提取关联关系时,使用感知器分别对客户和商品的特征进行提取.使用召回率和归一化折损累计增益作为评价指标,在3组公共数据集中进行了对比实验.实验结果表明,该方法比已有相关算法的效果有所提升. 相似文献
6.
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. 相似文献
7.
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。 相似文献
8.
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。 相似文献
9.
10.
基于Agent和关联规则挖掘技术的网络答疑系统的改进研究 总被引:1,自引:0,他引:1
在分析现有答疑系统功能的基础上,对网络答疑系统的总体框架和答疑机制进行探讨,提出在网络答疑系统中应提供基于"用户提问"库和"FQA"库的问题推荐.同时就如何实现基于"用户提问"库、"FQA"库、"用户信息"库的关联规则挖掘,以及如何以此为基础的问题推荐进行研究,设计并实现相应的系统. 相似文献
11.
12.
医疗区块链系统的用户向全节点请求数据时可能被欺骗,而简单支付验证等轻节点数据查询方法面临着存储困难。为解决这些问题,提出了一种面向医疗区块链的新型轻节点数据查询方法。引入具有动态追加能力的Merkle山脉(Merkle mountain range,MMR),设计基于推荐的可信节点选择和基于采样的可信节点验证的最新有效块获取算法,采取MMR和Merkle树的承诺机制,使得持有一个最新有效块的轻节点用户能够验证全节点发送的医疗数据。此外,还将该方法扩展应用于联盟链。分析和实验表明,所提方法的时间开销和空间开销均在较低的范围内。 相似文献
13.
14.
针对认知无线电中主用户覆盖范围存在交叠区域的情况,给出先次用户分组再组内协作感知的方法. 首先提出一种基于简化置信传播(belief propagation, BP)的次用户频谱相似性分组算法,挖掘各次用户前一次频谱感知信息并提取相关参数,再根据相关参数利用BP算法对当前频谱感知次用户进行相似性分组. 在组内采用恢复效果较好的多任务压缩频谱感知方法来完成感知任务. 仿真结果表明,所提出的频谱感知方法与现有方法相比,能在混杂频谱环境下保证较好的虚警概率,同时提高频谱感知的正确检测概率,且随着全网感知用户数的增加,频谱感知结果也不断改善. 相似文献
15.
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. 相似文献
16.
针对独立功率限制、放大–转发OFDMA中继系统的多业务资源分配问题,提出一种在满足实时用户要求前提下,非实时用户数据速率最大化的资源分配方案. 根据业务的不同将问题分解为实时和非实时用户的资源分配两个子问题. 对于实时用户的资源分配,利用Lagrange方法计算. 对于非实时用户的资源分配,每个子载波分配给信道条件最好的用户,针对功率分配提出两步功率分配方法. 首先按照总功率约束进行初始功率分配,然后对各子载波的功率进行调整以满足独立功率约束. 对于子载波分配提出一种低复杂度的子载波集合分配算法. 仿真结果表明,该方案在满足多业务用户要求的同时使系统性能得到优化,且计算复杂度低. 相似文献
17.
18.
19.