|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于内容和兴趣漂移模型的电影推荐算法研究显示文摘针对基于内容的推荐算法中,内容相似度计算精度低、用户兴趣漂移等问题,提出一种结合影评内容相似度和长短期兴趣模型来计算电影相似度的推荐方法。算法利用TextRank、Word2Vec等技术和模型对影评进行关键词抽取和词向量构建,同时基于Word2Vec训练结果进行电影内容相似度计算,一定程度上解决了近义词、网络词等带来的准确率下降问题;然后基于长短期兴趣漂移模型,统计用户对不同内容属性的偏好权重,并随时间窗口动态计算电影相似度矩阵,缓解了用户兴趣随时间漂移而改的问题;最后根据不同推荐策略获得推荐结果。实验结果证明,该算法比对比方法正确率提高了5%左右,同时兴趣模型提取了用户长短期兴趣标签,在工业界及基于标签的算法等场景中都具有很高的实用价值。 | 吕学强 王腾 李雪伟 董志安 | 2018 | 计算机应用研究2018，35，3： | 30 |
| 2 | 移动网络环境下情景敏感的个性化信息推荐系统研究显示文摘对情景敏感和个性化需求响应是移动网络环境下信息推荐的两大触发因素。针对目前移动环境下信息服务未融入情景敏感这一因素以及信息推荐的个性化程度低和准确性差的现状,提出采用'LBS+AR+多层关联规则'三维立体式个性化信息推荐方法。采用GPS/GIS技术实现精确定位,利用基于模型的多层级关联推荐算法避免稀疏性和难于扩展问题,采用AR(增强现实)技术实现可视化的信息推送,通过构建移动网络环境下情景敏感的个性化信息推荐系统实现为用户提供个性化、可视化的信息推送服务。 | 周朴雄 陶梦莹 | 2012 | 图书情报工作2012，56，19： | 18 |
| 3 | 融合内容与协同过滤的混合推荐算法应用研究显示文摘随着大数据时代的到来,海量数据出现在人们眼前。从冗杂的信息中快速获取满足人们个性化需求的数据成为了一个棘手的问题,推荐算法是解决此类问题的有力工具。针对移动电商平台中信息量较大,人们难以快速获得所需信息的问题,提出了一种融合内容与协同过滤的混合推荐算法。该算法先利用基于LFM的协同过滤算法产生推荐结果;当面临向新用户或新物品进行推荐时,再利用基于内容的推荐算法产生推荐结果。采用级联的方式将两种推荐算法进行混合,在一定程度上缓解了用户冷启动问题、物品冷启动问题及数据稀疏问题,克服了单一算法的局限性。实验证明,相较于传统的基于用户和基于物品的推荐算法,该算法能够有效提高推荐结果的准确率、召回率及覆盖率,从而提升推荐质量。 | 李雪婷 杨抒 赛亚热·迪力夏提 赵昀杰 | 2021 | 计算机技术与发展2021，31，10： | 15 |
| 4 | 基于多兴趣特征分析的图书馆个性化图书推荐方法显示文摘应用渐进遗忘策略和滑动窗口相结合的更新算法等,建立读者的兴趣词库和索引库,进而建立读者的多兴趣特征库。分别计算读者兴趣特征的特征词库以及索引库与书籍的相似度,将这两种方法计算出的相似度进行线性叠加,建立具有可操作性和扩展性的混合推荐算法,从而实现图书馆书籍的个性化推荐方法。该方法综合利用《中图法》中书籍所属的索引类别,能有效解决数据稀疏问题。最后对相关实验内容和结果进行详细说明。 | 马健 杜泽宇 李树青 | 2012 | 现代图书情报技术2012，，6： | 14 |
| 5 | 一种改进的K-means聚类的协同过滤算法显示文摘针对海量新闻的个性化推荐算法进行研究,提出一种改进的推基于K-means聚类的协同过滤用户推荐算法.该算法首先随机初始化了K个质心,按照重新定义过的新的用户相似度公式将用户进行K-means聚类,并选取相似度最大的作为当前用户所属类别;然后再重新定义了质心并进行迭代聚类;最后在每一个用户类里应用基于用户的协同过滤推荐算法,并给用户合理的个性化推荐.仿真实验测试表明,新算法能够提高推荐的准确率,并且有效提高了扩展性. | 赵伟 林楠 韩英 张洪涛 | 2016 | 安徽大学学报(自然科学版)2016，40，2： | 14 |
| 6 | 基于优化欧氏距离的协同过滤推荐显示文摘由于推荐系统中用户对项目的评价数据具有多样性和稀疏性的特点,传统的相似性度量算法不能有效查找相似邻居,本文提出一种基于优化欧氏距离的邻居相似度计算方法,在欧氏距离计算的基础上引入归一化处理和杰卡德相似系数,并最终作出评价预测和推荐。在典型数据集上的实验结果显示该算法能够有效提高协同过滤推荐系统的推荐性能。 | 陈小辉 高燕 | 2015 | 计算机与现代化2015，，3： | 13 |
| 7 | 基于内容过滤PageRank的Top-k学习资源匹配推荐显示文摘针对在线教育支持技术中关于文本处理的多义词和同义词问题,提出基于内容过滤PageRank语义相似替换的Top-k学习资源推荐算法。基于内容的向量空间滤波建立学习资源过滤推荐模型,该模型采用资源间匹配方式以取代语义相似性,从而避免多义词或同义词的漏检问题。基于谷歌PageRank算法结合前述资源间匹配模型构建考虑资源间关系连接的权重矩阵,取代传统PageRank算法网页间的超链接方式,进行资源类型划分,得到特征的马尔可夫收敛矩阵,并利用Top-k算法实现推荐结果细化。实验结果表明,在公共学习资源数据集中,所提算法对计算时间的覆盖率是可行的。 | 梁婷婷 李春青 李海生 | 2017 | 计算机工程2017，34，2： | 11 |
| 8 | 基于MI聚类的协同推荐算法显示文摘在个性化推荐系统中,项目的内容特征是影响推荐精度的重要因素。针对传统协同推荐不能有效考虑项目内容特征的问题,在考虑传统用户-项目评分信息的基础上,引入项目的内容特征属性,构建基于多示例(MI)的用户评分信息表达模型。根据多示例学习模式具有一定容错性的特点,设计了基于多示例聚类的协同推荐算法,通过多示例聚类计算用户的最近邻集合,根据最近邻集合对用户评分进行预测。实验结果表明,基于MI聚类的协同过滤推荐算法提高了预测评分的准确度,且有效缓解了数据稀疏性问题。 | 袁汉宁 周彤 韩言妮 陈媛媛 | 2015 | 武汉大学学报(信息科学版)2015，40，2： | 11 |
| 9 | 一种融合协同过滤和内容过滤的混合推荐方法显示文摘【目的】探索协同过滤与内容过滤新的融合方法,提高个性化推荐方法的推荐准确度。【方法】提出项目热度计算方法并对Pearson相关系数算法进行改进,建立当前用户与其邻居的兴趣模型,对邻居用户进行过滤,由最终得到的可信邻居对当前用户进行推荐。【结果】在Movie Lens 1M电影评分数据集上的实验结果表明,提出的混合推荐方法推荐效度要好于现存的两种混合方法。【局限】在为用户建立兴趣模型时,项目的不同标志性特征需要人为抽取,且对于项目的标志性特征个数及其在用户的兴趣中所占的权重分配问题,不同的研究者可能会有不同的见解。【结论】本文提出的混合推荐方法可有效提高个性化推荐的准确度。 | 高虎明 赵凤跃 | 2015 | 现代图书情报技术2015，，6： | 10 |
| 10 | 融合用户行为分析和兴趣序列相似性的个性化推荐方法研究显示文摘[目的/意义]将基于时间信息的用户兴趣序列引入推荐方法之中可以动态获取用户的兴趣偏好,提高推荐质量。[方法/过程]首先,通过用户对资源的访问顺序得到用户兴趣序列,并提取用户访问记录之间的最长公共兴趣子序列(LCISS)和全部公共兴趣子序列(ACISS),以此为基础计算用户之间的兴趣序列相似性;然后对用户行为量化,得到用户—项目评分矩阵;最后,将用户兴趣序列相似性与用户相似性度量相结合,提出了基于用户兴趣序列的改进协同过滤推荐方法。[结果/结论]文章提出的方法与基于用户协同过滤推荐和混合推荐方法在实验数据集进行比较,实验结果发现该方法在推荐效果上优于对比方法。此外,通过实验数据分析了推荐方法中的参数取值对推荐效果的影响。[局限]由于动态获取用户兴趣序列的变化,使得当用户数量及访问资源增多时,推荐的时间复杂度上升。 | 王刚 郭雪梅 | 2019 | 情报理论与实践2019，42，7： | 10 |
| 11 | Item-Based并行协同过滤推荐算法的设计与实现显示文摘基于协同过滤的推荐已成为推荐系统中广泛采用的推荐技术.由于应用中用户数目和商品条目的日益增长,在计算相似度和计算预测时,单机集中式计算已不能满足推荐系统实时性和可扩展性的要求.针对这一问题,设计并实现了Item-Based并行协同过滤推荐算法.该算法采用Hadoop的MapReduce与HDFS架构,可分为Map与Reduce两个过程.通过在Map和Reduce节点上的并行处理可提高算法的执行效率.实验结果表明,该算法可明显减少推荐时间,提高推荐实时性,获得良好的可扩展性. | 燕存 吉根林 | 2014 | 南京师大学报(自然科学版)2014，37，1： | 8 |
| 12 | 一种融合用户主题兴趣与用户行为的文档推荐方法显示文摘针对单一角度描述用户兴趣存在片面性的问题,该文提出一种融合用户主题兴趣和用户行为的文档推荐方法。一方面从主题兴趣的角度,构建反映用户主题兴趣的主题向量用户模型;另一方面从用户行为的角度,构建反映用户行为兴趣的打分矩阵用户模型。然后,基于上述用户模型提出了两种文档推荐方法,并采用线性加权的方式融合这两种方法,从而实现对用户主题兴趣与用户行为的融合。实验结果表明,该方法的推荐结果好于协同过滤推荐方法和基于内容的推荐方法。 | 张桂平 翟顺龙 王裴岩 | 2017 | 中文信息学报2017，31，3： | 8 |
| 13 | 个性化推荐系统综述显示文摘随着信息时代的不断发展,信息过载是目前互联网用户面临的一个严重问题,个性化推荐系统就是解决这一问题的重要工具。为了解国内对个性化推荐领域的研究现状与发展趋势,通过对相关文献进行收集处理并借用VOSviewer、Excel对发文量、发文期刊、发文作者、关键词进行现状分析,同时对个性化推荐系统的关键技术用户兴趣模型和推荐算法进行阐述介绍。最后指出了未来个性化推荐系统的挑战与研究重点。 | 张宇航 姚文娟 姜姗 | 2020 | 价值工程2020，39，2： | 8 |
| 14 | 智能算法推荐的社会风险及其法律规制显示文摘从本质上看,智能算法推荐是以数据收集为基础,以决策运作为机理,通过数据运算,为用户提供决策参考的技术,其主要有协同过滤推荐、基于内容的算法推荐和混合算法推荐三种主要类型。它具有智能化、便利化和个性化特点的同时,也可能带来权益侵害、秩序妨害、技术异化、责任模糊等社会风险。因此,应以风险社会的法律理念为引领,按照公平原则、公开原则和社会利益原则的要求,加强对算法推荐合法性的前置审查,建立健全具体化的算法推荐场景规范,强化算法的行业监督与第三方评估,完善算法推荐的责任认定分担机制,更好地发挥智能算法推荐的积极功效,构建适应算法技术发展的法治秩序。 | 梅帅 | 2022 | 科学.经济.社会2022，40，1： | 6 |
| 15 | 基于时间因子的个性化新闻混合推荐研究显示文摘互联网的爆发式发展带动了信息的增长,人类社会已由信息匮乏阶段转变为信息过载阶段,这也间接导致了互联网用户每天接收的数据信息质量参差不齐,同时用户也不再满足于只查看大众类的信息,而是更希望能够收到符合自己阅读兴趣的信息.个性化推荐帮助用户从海量数据中筛选出符合用户阅读兴趣的文章,帮助用户节省大量的时间和精力.但是传统的个性化推荐并不能高效合理地为用户生成推荐列表,因此本文提出基于时间因子的个性化新闻推荐算法,研究用户在不同时段的兴趣分布,提高了推荐精度.实验结果表明,考虑时间因子的混合推荐算法相比传统算法提高了推荐结果的精度. | 陶永才 火昊 石磊 卫琳 | 2018 | 小型微型计算机系统2018，39，8： | 6 |
| 16 | 基于分层序列的移动电子商务推荐系统策略研究显示文摘移动互联网环境下,移动电子商务快速发展,移动推荐系统成为解决移动信息过载的主要技术和手段.移动电子商务推荐系统中用户策略选择是一个典型的多目标决策问题,目标之间也存在一定的矛盾.基于移动推荐系统的这种特征,借助分层序列法算法的思想,通过元数据的标准化处理,结合移动电子商务中的位置上下文信息获取推荐数据,得到满足用户多目标需求的推荐结果.方法的提出为移动电子商务推荐系统的研究提出了一种新的推荐策略. | 崔春生 杜柏瀚 王雪 | 2020 | 数学的实践与认识2020，50，8： | 6 |
| 17 | Hadoop云平台下的基于用户协同过滤算法研究显示文摘随着互联网的高速发展,海量新闻的个性化推荐成为一个重要课题,针对海量新闻的个性化推荐算法进行研究,以MapReduce的并行方法设计了基于Hadoop云平台下的协同过滤算法,利用MapReduce的并行方法,将传统的协同过滤算法并行化,并详细说明了并行化步骤和实现细节;最后用实验结果验证了改进的并行化的协同过滤算法在运行速度和执行效率方面有明显的提高,更适合处理大数据。 | 赵伟 李俊锋 韩英 张红涛 | 2015 | 计算机测量与控制2015，23，6： | 5 |
| 18 | 个性化推荐系统中用户多态聚类研究显示文摘针对传统协同过滤算法依赖单一用户需求形态影响推荐效果的问题,提出一种基于用户多态聚类的数字图书馆个性化推荐方法。该方法以改进的海明距离计算候选邻居集,结合多态相似度进行二次聚类,预测用户的多态需求度并形成推荐。实验表明,使用多态聚类产生的推荐精确度上优于单一聚类产生的推荐。 | 刘剑涛 | 2012 | 现代图书情报技术2012，，2： | 5 |
| 19 | 基于语义推理的学习资源推荐显示文摘为了能够更好的满足用户对学习资源个性化的需求,在传统推荐技术的基础上,引入本体来描述学习资源,借鉴语义网中的语义联系、Spreading Activation等技术,得到更多与用户兴趣偏好有'隐藏'语义联系的资源,从用户角度保证了用户对学习资源日益增长的需求。实例验证了通过这种方法可以获得更多符合用户需求的学习资源,丰富了最终的推荐集,更好的完成个性化推荐,拓宽了用户的学习范围。 | 徐守坤 孙德超 石林 李宁 | 2014 | 计算机工程与设计2014，35，4： | 5 |
| 20 | 一种基于时间戳的新闻推荐模型显示文摘互联网的高速发展,使用户很难在'信息海洋'中找到感兴趣的新闻,如何为用户准确推荐满足其需求的个性化新闻已成为当前研究的热点和难点。为了改善新闻推荐系统的准确性,将时间戳信息引入到新闻推荐模型中。首先,利用分词工具对新闻标题和新闻内容进行分词,并引进时间加权函数来计算用户对单个分词的偏好;预测用户偏好时不仅根据用户自身的偏好进行预测,还使用改进协同过滤方法来预测用户偏好;最后,通过融合得到的偏好值对新闻进行推荐。实验结果表明,该模型不仅能提高新闻推荐系统的准确性,还缩短了模型构建的响应时间。 | 史艳翠 戴浩男 石和平 汪圣洁 杨硕珩 钟惠军 | 2016 | 计算机应用与软件2016，33，6： | 4 |
您所在的机构暂未开通此部分的功能，请联系管理员