协同过滤算法

摘要： 物联网智慧排程柔性制造系统是基于微控制器测控与云端大数据分析,通过无线传感控制网络对工业环境中的温度和生产参数等采集和存储、进行工业分析和预测性维护;利用非线性约束算法和协同过滤算法进行建模优化,实现了生产控制系统智慧排程和智能调度。通过实验测试和在电镀车间的生产验证,算法的应用与改进有效地减少了电镀液的消耗,缩短了生产周期,提高了产品质量和生产效率。

摘要： 针对现有酒店推荐精度不高的问题,提出了一种基于用户特征的酒店推荐模型。首先,构建酒店和用户的特征矩阵,从而获得候选集;然后,利用基于用户的协同过滤预测用户评分,进而产生酒店推荐的top-N列表;最后,以酒店管理营运博弈沙盘实验平台爬取的数据为基础对用户进行推荐。结果表明,该推荐模型的召回率、F1值均高于传统的基于特征参数匹配的算法和基于协同过滤的算法,解决了传统推荐算法推荐精度不高的问题,为智能算法在酒店信息化中的应用提供了参考。

摘要： 在以往的推荐系统模型中,大多是通过协同过滤算法实现的,所以会存在冷启动和数据稀疏性等问题,从而导致推荐质量不高。一般的解决办法就是通过加入一些附加的语义信息来提升推荐的精度。而知识图谱中就包含了大量的语义内容,可以在推荐系统中引入知识图谱作为附加信息。因此,本文提出了基于知识图谱的个性化推荐系统构建。在推荐模型中加入知识图谱,可以很好的增强推荐的准确性。

摘要： 针对推荐系统中推荐算法多样性偏低的问题,提出一种融合长尾系数的混合电影推荐算法。采用混合协同过滤推荐算法来预测项目评分,用以缓解数据稀疏问题,进而提高算法的精度。通过用户的观影行为来计算电影项目的长尾系数,用以改进预测评分公式,在提高算法精度的基础上进一步提升算法的多样性。实验结果表明,在确保算法精确度的前提下,该算法能有效提高推荐算法多样性,使推荐系统具有更高的推荐质量。

摘要： 为提升电商平台产品智能推荐信息与用户需求之间的匹配度,进一步提高电商平台的经营销售额,本文基于协同过滤算法,设计一种针对电商平台产品信息的全新智能推荐方法。通过电商平台用户偏好度确定、基于协同过滤算法的用户与推荐信息匹配度计算、基于数据挖掘的产品信息个性化推荐,完成此方法的设计。最后选择某地区大型电商平台作为实验对象,设计对比实验,实验结果证明,设计方法加以应用后,不仅可以提高推荐信息与用户需求的匹配度,还能为电商平台提高销售额、创造更高的经济收益提供一定帮助。

摘要： 针对利用传统协同过滤算法进行图书推荐时因忽略冷门物品对推荐精度的贡献问题,提出融入惩罚因子的协同过滤图书推荐改进算法。文章在余弦相似度的基础上,引入热门物品惩罚因子和用户平均评分因子,降低热门物品的评分权重,提取用户特征。使用Book-Crossing数据集进行实验验证,文章提出的改进算法相较于传统算法增加了推荐算法的时效性,对用户进行了更精准的特征提取,改进算法较传统算法召回率平均提高5.4%,在近邻用户较少时,MAE降低1.5%,提高了推荐精度与质量。

摘要： 面对数以万计的影视作品,相关人员难以根据不同的群体进行良好的推荐。电影推荐系统产生于互联网时代,用以帮助人们在电影信息大规模增长背景下寻找需要的信息或商品。基于混合推荐算法的电影推荐系统有利于缩短用户搜索信息的时间,提高用户的搜索效率。为更好地满足用户的个性化需求,采用协同过滤算法与基于内容的推荐算法相融合的混合推荐算法,向用户推荐最符合用户要求的影片。

摘要： 协同过滤算法是在大数据基础上衍生、发展而来的,具有显著的高效性、精准性特征,可以在历史行为记录的帮助下,建立起高度贴合的用户兴趣模型,进而发掘相似性较好的邻集,形成精准优质的推荐方案,提升用户服务体验。该算法多被应用于电子商务平台,随着科技普惠时代的来临,逐渐获得了更大规模的推广和使用。聚焦协同过滤算法的优越性,探讨了将其引入大学生就业推荐的必要性,同时对其实现路径进行展开论述。

摘要： 本文针对学生的个性化在线学习需求,基于部署在云平台中的海量学习资源提出了基于协同过滤算法的双维度学习资源智能推荐方案,以协同过滤算法为核心从用户相似度与课程相似度两个方面在云平台中发掘潜在的能够满足个性化学习需求的资源并向学生用户自动推送,有效提升云平台中学习资源的利用率。

摘要： 针对传统协同过滤推荐算法对目标客户进行个性化推荐时,因用户评价数据和物品属性等显式数据稀疏,造成推荐商品的准确率和质量相对较差的问题,本文基于隐式数据和Apriori算法对协同过滤推荐算法做出改进。首先,算法基于隐式数据中用户对商品的行为和用户对商品的评价,建立用户对商品的评分偏好模型,用以构建原始评分数据;其次,利用Apriori算法找出用户行为数据集中商品的强关联规则,利用输出的关联规则对原始评分数据进行降维,并进行相似度计算,确定用户之间的相似性,根据计算结果来确定目标用户的近邻集合;最后,算法通过度量后的最近邻居来计算目标用户对特定商品的预测评分。从数据集中分别采取70000条数据和30000条数据进行算法测试,测试结果表明改进后的推荐算法与基于用户的协同过滤算法相比准确率和召回率分别提高了1.56%和0.23%;和基于项目的推荐算法相比准确率和召回率分别提高了4.39%和0.92%,证明基于隐式数据和Apriori算法改进的协同过滤算法,在缓解数据稀疏的同时,能提高推荐的准确率。

摘要： 在高质量发展、5G商用、携号转网、"范式变迁"的环境下,行业的发展对客户运营能力提出了更高的要求,投入、产出比的提升变得尤为重要.因此精准识别目标用户从而进行营销收入测算是运营商亟待解决的问题.应用基于用户的协同过滤算法和基于物品的协同过滤算法相结合的方式,研究了不同活动、不同入网时间的用户对收入测算的影响,并与单独使用一种协同过滤算法进行比较.结果表明基于用户的协同过滤算法和基于物品的协同过滤算法相结合的方式能很好的进行评估活动开展情况,是一种研究收入测算的有效方法.

摘要： 针对传统协同过滤算法在处理超大规模用户物品评分矩阵时面临的计算时间过长问题,本文对基于ALS的协同过滤算法和分布式计算框架Spark的相关特性进行研究,并采用协同过滤的经典数据集:MovieLens数据集和Netflix数据集,在Spark集群上进行了实验.实验结果表明,并行的ALS算法显著缩短了基于矩阵分解的协同过滤算法的运算时间.但由于集群计算的特点,ALS算法面临时间复杂度、空间复杂度和通信复杂度的三重挑战.从实验结果可见,在增加并行核心数的初期运算时间迅速缩短,但在达到一个并行核心数门限时,将无法通过增加核心数来进一步缩短运算时间.

摘要： 协同过滤推荐算法虽然被大量应用于电子商务领域,但算法本身却存在冷启动和数据稀疏等缺陷.本文在经典协同过滤推荐算法的基础上,提出一种改进的协同过滤算法,并将其应用在大学生就业推荐中.该算法利用职业性格匹配和大学生相似度的混合推荐解决协同过滤算法的冷启动问题,同时使用内容向量模型补充的协同过滤算法弥补其存在的稀疏性问题.实验结果表明,本文提出的推荐算法在一定程度上提高了就业信息推荐的准确性,满足了大学生求职的个性化需求.

摘要： 基于Hadoop和MapReduce的数据分析模型与分析算法,充分利用教育云平台对全省及全国部分省市中学测验、考试练习等大数据进行挖掘及分析,呈现出学生对于不同知识点的掌握情况.面对协同过滤中的稀疏性和冷启动问题,利用协同过滤算法中关联规则推荐和基于用户的协同过滤算法向学生智能推荐需要强化的题目类型,从而指导学生加强训练,实现智慧学习.

摘要： 本文主要研究个性化推荐系统在新媒体行业的应用,通过对数据类型分类,设计联系用户和物品的评测模型,再利用数据采集架构采集用户行为数据,并用协同过滤算法得出推荐结果,解决了在IPTV领域用户量大、资源相对变化慢的个性化推荐问题;针对个性化推荐系统存在的问题,研究行业内相关成果,对个性化推荐系统的发展做出了展望,并对接下来的工作做了安排和计划.

摘要： 介绍了百度机器学习开放平台的整体架构，其推荐系统基于干净的数据、高效的算法和完善的系统实现的，采用协同过滤算法，收集用户偏好，找到相似的用户或用品，然后计算推荐，可以应用于菜品推荐、新闻推荐和搜索推荐等领域。

摘要： 协同过滤推荐算法在学术界得到了广泛研究.之前的研究要么仅从评分预测的角度来研究,要么仅从排序预测的角度来研究.目前为止,还没有人提出一种算法来同时优化推荐对象的评分和排序.为了克服现有研究的缺陷,本文在传统的概率矩阵分解算法(PMF,基于评分预测)和扩展的少即是多的协同过滤算法(xCLiMF,基于排序预测)的基础上提出了一种新的联合推荐方法(URA),该方法通过在PMF和xCLiMF算法中共享用户和推荐对象的特征空间,使得URA方法同时具有基于评分预测的协同过滤算法和基于排序预测的协同过滤算法的优点.文中给出了URA方法的一种有效学习算法.在真实的数据集上实验验证,该方法在各个评价指标下性能均优于几个经典的协同过滤推荐算法(基于评分预测或基于排序预测),且复杂度低、运算时间与评分点个数线性相关.URA方法推荐精度高、可扩展性好,适合处理大数据,在互联网信息推荐领域具有广泛的运用前景.

摘要： 在计算用户相似度时,传统的协同过滤推荐算法往往只考虑单一的用户评分矩阵,而忽视了项目之间的相关性对推荐精度的影响.对此,本文提出了一种优化的协同过滤推荐模型,在用户最近邻计算时引入项目相关性度量方法,以便使得最近邻用户的选择更准确;此外,在预测评分环节考虑到用户兴趣随时间衰减变化,提出了使用时间加权函数来提升评价的时间效应的影响.实验结果表明,本文提出的算法能提高寻找最近邻居的准确性,改善协同过滤的推荐质量.

摘要： 传统的信息系统管理方式由于需要主动的人工干预而存在不可预见的风险,已经不能适应目前信息系统建设的需求,随着上海市水务信息资源集约化建设的不断深入,信息系统管理越来越重视虚拟化、云计算等新技术的落地应用.本文通过对协同过滤算法的演化和分析,提出了使用协同的思想构建管理模式,并在水务信息基础架构的管理上尝试使用该模式,目的是实现有助于提供辅助决策和自动化管理的服务应用,最终通过不同的生产场景证明了协同管理模型的适用性,该研究成果为提高信息系统管理水平以及转变政府信息化管理职能方面起到推进作用.

摘要： 检验算法的准确性是推荐算法研究中的一个极为重要的环节.在协同过滤推荐技术研究领域,虽然主要采用MAE、准确率、召回率等指标来进行检验,但是其检验效果具有一定的局限性,针对各种各样的算法,难以用来给出有较强说服力的比较结果.为此,针对产生TOP-N推荐列表一类推荐算法,产生了许多基于排序的指标.而这些指标在当前的研究和应用中,尚未得到应有的重视,因此,本文从应用对象、适应范围及其优缺点等方面对现有的主要排序相关指标进行分析,为其在算法检验中的推广应用奠定基础.

摘要： 本发明涉及一种基于协同过滤算法和聚类算法的卷烟消费研判方法，包括以下步骤：1)样本采集；采集样本消费者对卷烟各品规的偏好度；2)特征采集：选取多个用户特征信息的特征值构建消费者特征向量，得到消费者特征矩阵；选取多个商品特征信息的特征值构建卷烟特征向量，得到卷烟特征矩阵；3)聚类：运用K‑means++算法对消费者和卷烟进行聚类；4)计算偏好度：通过协同过滤算法获得消费者对各品规卷烟的偏好度。本发明运用K‑means++算法将消费者和卷烟聚类，再运用协同过滤算法的思想对某消费者对某卷烟的偏好度进行测算，进而通过样本消费者的偏好度，预测个体消费者的消费需求。

摘要： 本发明提供了一种基于改进协同过滤算法的电影推荐方法，属于多媒体信息处理技术领域，首先研究了协同过滤算法的分类和应用场合，针对电影领域，选取了ItemCF算法和基于ALS模型的协同过滤算法，对于电影冷启动问题，对基于物品的协同过滤算法进行改进；针对ALS模型推荐精度低的问题，提出了混合模型的思路，在缓解数据稀疏带来的影响下，提高了推荐算法的准确度。

摘要： 本发明公开了一种基于Dijsktra算法和协同过滤算法的旅客行程推荐方法，包括确定路径影响因子，动态确定路径权值；利用Dijsktra算法为每组路径权值计算出其最优的路径，得到路径组；利用协同过滤算法对路径组进行路径推荐，并形成相应的路径推荐结果。本发明运用Dijsktra算法通过对路径特征进行约束计算出独特的路径权值，由于计算路径权值的过程屏蔽了不同交通工具的差异，因此Dijsktra算法可以专注在权值和关键点上，通过起始点和终点即可计算出答案路径组；通过使用基于物品的协同过滤算法，将路径当作物品，计算答案路径组和用户选定使用过的路径之间的皮尔逊相关系数并计算相应的评分，并选择评分最高的3条答案路径进行推荐，这满足了使用者的使用习惯。

摘要： 本发明涉及一种基于协同过滤算法和聚类算法的卷烟消费研判方法，包括以下步骤：1)样本采集；采集样本消费者对卷烟各品规的偏好度；2)特征采集：选取多个用户特征信息的特征值构建消费者特征向量，得到消费者特征矩阵；选取多个商品特征信息的特征值构建卷烟特征向量，得到卷烟特征矩阵；3)聚类：运用K‑means++算法对消费者和卷烟进行聚类；4)计算偏好度：通过协同过滤算法获得消费者对各品规卷烟的偏好度。本发明运用K‑means++算法将消费者和卷烟聚类，再运用协同过滤算法的思想对某消费者对某卷烟的偏好度进行测算，进而通过样本消费者的偏好度，预测个体消费者的消费需求。

摘要： 本发明属于在电影推荐系统应用领域，提出了一种面向推荐系统的改进协同过滤算法，在基于协同过滤的算法基础上，针对其存在的冷启动问题和稀疏性问题，提出了一种融合知识图谱和协同过滤的推荐算法，将知识图谱中的语义信息作为辅助信息融入到协同过滤算法中，降低了算法对于评分的依赖程度；同时，本发明提出一种三元组的存储结构来存储稀疏矩阵，可以有效缓解传统的二维稀疏矩阵带来的空间浪费的问题，提高了推荐算法的空间效率，并使用hash算法存储三元组，提高了对于某个三元组的访问速度以及存取效率；并且，本发明采用分布式计算，解决了数据集过大而导致的执行时间过长的问题，利用Spark的基于内存的并行计算，极大地缩短了算法的执行时间。

摘要： 本发明特别涉及一种基于协同过滤算法实现CDN节点文件预存储的系统。该基于协同过滤算法实现CDN节点文件预存储的系统，包括用户登录模块、分析执行模块、数据更新交互模块和结果展示模块；分析执行模块负责在访问系统资源时，分类别的记录用户的访问内容；数据更新交互模块负责利用协同过滤算法进行分析，得到用户的后续大概率要访问的内容，并在CDN主节点上进行更新；结果展示模块负责将系统资源更新到CDN边缘节点中，在用户访问相应的资源时直接从CDN边缘节点上更新给用户。该基于协同过滤算法实现CDN节点文件预存储的系统，在用户访问相应类型资源前，智能拉取相应可能被访问到的文件预存到CDN缓存节点，提升用户的访问速度，提高了用户体验。

摘要： 本发明公开了一种改进的融合相似度和信任度的协同过滤算法，该算法提出了新的用户信任值度量方式，融合信任度和相似度计算用户之间的信任值，提高用户评分的一致性，建立用户信任值矩阵。该算法通过分析用户的评分行为和“小世界”理论构建用户之间的信任链，并融合用户的相似度和信任度构建用户之间的信任值矩阵，降低baseline算法中存在的数据稀疏性问题和算法健壮性问题。本发明具有灵活性强、应用性广等特点，例如社交网络推荐系统、贷款服务平台等，实验证明将用户之间的信任值引入到传统推荐算法中是可行的，有一定的实际意义。

摘要： 本发明公开了基于协同过滤算法的政务服务事项推荐方法及系统，属于数据统计分析技术领域，要解决的技术问题为如何高效的为申办人推荐政务服务事项，实现个性化、智能化的申报服务。府网站的登录用户，基于所述登录用户的身份标识，从所述相似度表中查找至少一个与所述登录用户相似的办件申请人作为相似申请人，基于登录用户的身份标识从所述事项频繁项表中查找所述登录用户办理过的事项组成第一事项集合，并基于相似申请人的身份标识从所述事项频繁项表中查找所述相似申请人办理过的事项组成第二事项集合，基于所述第一事项集合和所述第二事项集合的差集向登录用户推荐事项。

摘要： 本发明属于多媒体信息处理领域，通过网络虚拟试衣间以及协同过滤算法提高用户的购买体验以及进行相似度推荐，具体的说是一种基于用户模型和协同过滤算法的虚拟试衣间实现方法。该方法通过采集用户的形体三维数据以及商品的属性数据分别存放于用户数据库和商品数据库中，使用3dmax对用户以及商品进行建模，当用户选择了具体商品后，从数据库中找到对应属性的商品模型与用户模型进行组合成像，之后用户可以使用“喜欢”或“不喜欢”对商品进行反馈，系统在得到用户的反馈信息后会根据用户的喜好进行推荐。本发明通过虚拟试衣间方便的完成商品的使用以及反馈，提高用户的购买体验。

摘要： 本发明适用于数据分析领域，提供了一种基于协同过滤算法的供应商推荐方法、系统及相关设备，所述方法包括：S1、构建关于生产商、商品之间的RFMC模型，并计算RFMC值；S2、对RFMC值进行加权求和，得到RFMC评分；S3、利用RFMC评分构建评分矩阵；S4、使用聚类算法对评分矩阵进行划分得到评分子矩阵，并利用Baseline算法计算填充评分矩阵；S5、计算不同的商品之间的相似度，构建商品相似度矩阵；S6、根据商品相似度矩阵计算相似的多种商品，将商品按照所述供应商的类别进行分组，并获取生产商对于商品的兴趣度，生成供应商推荐列表。本发明通过计算生产商对于商品的兴趣度实现了面向生产商的供应商推荐。