混合推荐
混合推荐的相关文献在2005年到2022年内共计218篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、贸易经济
等领域,其中期刊论文129篇、会议论文3篇、专利文献257253篇;相关期刊85种,包括现代电子技术、电脑知识与技术、计算机工程等;
相关会议3种,包括第二届全国Web信息系统及其应用会议(WISA2005')、第十五届全国计算语言学学术会议(CCL2016)暨第四届基于自然标注大数据的自然语言处理国际学术研讨会(NLP-NABD-2016)、第五届全国现代制造集成技术学术会议等;混合推荐的相关文献由556位作者贡献,包括孙知信、张宜浩、张玲等。
混合推荐—发文量
专利文献>
论文:257253篇
占比:99.95%
总计:257385篇
混合推荐
-研究学者
- 孙知信
- 张宜浩
- 张玲
- 张邦佐
- 徐传运
- 朱全银
- 朱小飞
- 李涛
- 欧高亮
- 汪海涛
- 王继民
- 王飞
- 瞿学新
- 胡荣林
- 董世都
- 赵海燕
- 赵阳
- 郭娣
- 韩立新
- 丁雪
- 严云洋
- 付宇博
- 何建民
- 侯爱琴
- 俞东进
- 傅一平
- 储晶星
- 冯万利
- 冯国忠
- 凌海峰
- 刘业政
- 刘博宇
- 刘强
- 刘时翔
- 刘越
- 卫文婕
- 卫琳
- 吕晨
- 吕蕾
- 吴青
- 周泓
- 周芳芳
- 唐惟鲲
- 夏景明
- 姜元春
- 姜立宇
- 姬建睿
- 孙哲
- 孙小新
- 孙春华
-
-
朱卫东;
李子龙;
乔良才
-
-
摘要:
大数据技术已经广泛应用在生产、生活过程中。在现在的视频在线、音乐在线、网络社交、电子商务等领域,智能推荐系统变得越来越重要,通过使用大数据技术对用户信息进行分析、预测以更好地服务用户服务。目前,根据算法的不同推荐方式有专家推荐、基于统计推荐、基于内容推荐、协同过滤推荐、混合推荐等多种形式。
-
-
李盼颖;
韩雨轩;
温秀梅
-
-
摘要:
推荐系统中的协同过滤算法和基于内容推荐算法都能够进行相关推荐,但是算法中存在的不足会导致推荐结果不准确。为提高推荐准确度,本文提出一种混合模式的推荐算法,建立用户的兴趣模型,对目标用户进行个性化的物品推荐。最后利用Movies Lens数据集进行训练并评估基于用户和基于内容的混合模式推荐算法的准确度。
-
-
王日花
-
-
摘要:
随着信息技术的发展,图书馆传统的推荐方式难以满足广大读者的个性化需求,单一的推荐算法在海量数据处理面前的缺陷也愈发明显,协同过滤是解决图书推荐问题的重要方法。文章分析了基于用户和基于物品的两种协调过滤算法,借助XGBoost梯度树状开源框架对协同过滤结果持续优化,提出了一种融合用户和物品的混合推荐模型,并利用中国传媒大学图书馆的借阅数据进行了仿真实验,与单一基于用户的协调过滤算法对比,混合推荐模型提升了推荐的精准率、召回率和F1值,验证了推荐模型的有效性。
-
-
王永贵;
李昕
-
-
摘要:
针对传统协同过滤推荐算法普遍存在的数据稀疏性问题以及寻找相似用户时存在局限性,提出一种融合狼群算法和模糊聚类的混合推荐算法。在数据处理过程中,根据基于项目的协同过滤算法充分挖掘项目间的数据关系,填充原始矩阵的零值以降低数据稀疏性;从用户的角度出发,根据模糊聚类隶属度的大小筛选出相关邻居集合,扩大相关用户的寻找范围;将狼群算法引入模糊聚类,借助狼群算法全局搜索的优势,提高寻找相似用户的准确度。在真实的数据集上进行对比实验,结果表明,所提算法缓解了数据稀疏的问题,推荐误差明显减小,和传统的推荐算法相比有着良好的推荐效果。
-
-
项梦
-
-
摘要:
高考志愿填报是影响学生未来发展的一个至关重要的阶段,为帮助考生更好的进行高考志愿填报,中国的高考志愿填报和录取机制进行了一系列的改进,从“估分填报”到“知分填报”,从“梯度志愿”向“平行志愿”,但“高分低录”“高分落榜”及未能选择到自己喜欢的专业等问题仍然存在。针对上述问题在调研文献的基础上对近年来高考志愿填报使用的算法进行了综述。
-
-
王佳斐;
范伊红;
宋永旗;
王帅杰;
付炳威
-
-
摘要:
用户在电影网站观看电影时,大多数电影网站给用户推荐的电影会出现单一化的问题,导致用户在寻找心仪的电影和尝试观看其他电影时较为困难。同时,当新用户在进行注册时,由于缺少新用户的观看信息,从而会产生推荐内容不对口的问题。文章利用协同过滤算法并融合电影类型及用户评分数据,实现了个性化影视推荐系统,该系统能够向新老用户精准推荐影视作品。
-
-
王素芳
-
-
摘要:
首先介绍了基于电影类型偏好特征的推荐算法的实现过程,分析了用户特征与电影评分之间的关联,同时根据用户偏好关系和电影与电影类型的关联程度进行建模;然后通过计算不同电影之间的相似度,来预测用户对未知电影的感兴趣程度;最后介绍了混合推荐的总体流程、实验中使用到的电影数据集和评估指标,并将混合推荐模型与FM、DeepFM、NCF、xDeepFM算法模型进行比较,从实验结果中发现混合推荐模型比其他模型在排序精度和推荐精度上要略胜一筹。
-
-
刘伟友;
吴陈
-
-
摘要:
针对传统单一推荐算法难以兼顾用户冷启动、数据高维稀疏、算法准确性与可扩展性等方面的问题,提出一种基于多源数据聚类和奇异值分解的混合推荐算法。该算法首先利用TF-IDF公式对用户—项目评分矩阵和项目特征矩阵进行处理,生成用户—项目偏好矩阵;然后结合用户特征矩阵、评分矩阵作为算法输入,利用改进K-means聚类算法划分用户类簇;接着采用融合时间衰减函数的BiasSVD算法对每个用户类簇对应的评分矩阵进行分解降维,并利用随机梯度下降法重新预测评分填充评分矩阵;最后从高到低对用户的预测评分向量进行排序,产生推荐列表。在MovieLens数据集上的实验结果证明,该算法的精确率和召回率相较于传统基于SVD的协同过滤推荐算法分别提升5.4%和6.8%,表现出更好的准确性和推荐性能,改善了用户冷启动问题。所提方法对目前混合推荐算法具有一定的参考与借鉴价值。
-
-
王飞;
张玲;
王继民
-
-
摘要:
推荐技术已经应用到各行各业,然而在水利行业信息推荐的应用很少.提出一种基于混合策略的水利门户信息推荐模型.根据水利业务特点对水利门户信息分类,构建水利门户信息分类器.将基于时间和地理位置的热点门户信息推荐、基于信息内容的推荐、基于用户与信息类别的协同过滤推荐的结果线性加权混合,解决信息推荐的冷启动、数据稀疏性等问题.通过爬虫获取各水利门户信息以及调查获取用户行为数据来构建实验数据,将混合推荐方法与三种单一推荐方法对比,其准确率、召回率、F1-score等指标都有所提高.利用该推荐模型设计水利门户信息推荐原型系统的基本框架和功能.
-
-
钟乾;
王仲君
-
-
摘要:
传统的基于点数据的混合推荐算法鉴于用户偏好信息难以统筹而不能够从用户的角度建立模型,推荐的质量与效率受到影响.为能够更加具体的表征用户模型,以分布式符号数据为基础,建立用户积极子模型和消极子模型,通过分布式符号数据的距离度量计算出用户间的积极相似度和消极相似度,最后采用协同过滤算法为目标项目进行评分预测.将这种全新的混合推荐算法与传统推荐算法进行对比实验,结果表明,在一定的实验条件下,基于分布式符号数据的混合推荐算法优于传统的推荐算法.
-
-
YU Yang;
余洋;
SUN Lin-fu;
孙林夫
- 《第五届全国现代制造集成技术学术会议》
| 2018年
-
摘要:
在基于云服务平台的个性化业务流程定制环境中,如何把成功定制的结果推荐给不同的租户以提高租户的定制效率与体验度,如何选择一种推荐算法用于寻找可信租户以提高个性化推荐的精准度,是一系列具有挑战性的问题.针对这些问题,本文提出了一种基于云服务平台适用于个性化业务流程定制环境的混合推荐方案,这种方案先优化协同过滤用于寻找活动租户的相似租户;再通过基于内容的过滤构建活动租户与相似租户间的偏好模型并筛除“伪邻居”;最后把计算获得的候选服务推荐给活动租户选择.通过实验研究证实,本文提出的方案提高了个性化推荐的精准度,同时也提高了租户的定制效率与体验度.
-
-
-
DING Biyuan;
丁弼原;
ZHANG Min;
张敏;
TAN Yunzhi;
谭云志;
LIU Yiqun;
刘奕群;
MA Shaoping;
马少平
- 《第十五届全国计算语言学学术会议(CCL2016)暨第四届基于自然标注大数据的自然语言处理国际学术研讨会(NLP-NABD-2016)》
-
摘要:
近年来基于矩阵分解的协同过滤算法在评分预测上取得的显著成果,但冷启动、数据稀疏等问题仍然未能得到很好的解决,因此如何将评论信息引入推荐系统以缓解上述问题,开始成为研究的热点之一.另一方面深度学习在图像处理、自然语言处理等领域已经发挥重要作用,其对文本的编码与分析能力恰好适应推荐领域当前正在研究的问题.本文尝试基于深度学习来加强个性化推荐,提出将层叠降噪自动编码器(SDAE)与隐含因子模型(LFM)相结合的混合推荐方法,综合考虑评论文本与评分,以提升推荐模型对潜在评分预测的准确性.在常用大规模公开数据集Amazon上进行的测试结果表明,与传统推荐模型相比,所提出方法可有效提高评分预测的准确性,最高可达到64.43%的性能提升.