协同过滤算法
协同过滤算法的相关文献在2005年到2022年内共计355篇,主要集中在自动化技术、计算机技术、信息与知识传播、无线电电子学、电信技术
等领域,其中期刊论文265篇、会议论文27篇、专利文献314416篇;相关期刊165种,包括电脑知识与技术、福建电脑、计算机系统应用等;
相关会议26种,包括第15届全国软件与应用学术会议(NASAC2016)、信息系统协会中国分会第六届学术年会、2015(第三届)中国水利信息化与数字水利技术论坛等;协同过滤算法的相关文献由847位作者贡献,包括付文博、何波、尹立杰等。
协同过滤算法—发文量
专利文献>
论文:314416篇
占比:99.91%
总计:314708篇
协同过滤算法
-研究学者
- 付文博
- 何波
- 尹立杰
- 裴剑辉
- 刘鑫
- 张天一
- 林耿
- 王东雨
- 王平
- 王迪
- 陈涛
- 业宁
- 任静霞
- 余开朝
- 冯婵
- 刘二宝
- 刘京
- 刘奥
- 刘建国
- 刘明月
- 刘美汐
- 刘艳
- 单允赟
- 占焱清
- 吕鹤轩
- 吴章勇
- 周显春
- 姜青山
- 孙丙宇
- 孙圣力
- 孙琛恺
- 孙若莹
- 安俊秀
- 宋曼
- 廖伯轩
- 廖晓锋
- 张艳
- 强韶军
- 徐秀珊
- 方惠
- 朱旻
- 李剑
- 李媛鸣
- 李民
- 李练
- 李霓彬
- 杨云
- 杨茂保
- 林泽聪
- 栾飞
-
-
李广明;
张雪;
张红;
余晨晖;
岳晶莹
-
-
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。
-
-
石洋
-
-
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。
-
-
徐海文;
谭台哲
-
-
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。
-
-
董云薪;
林耿
-
-
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。
-
-
高云
-
-
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。
-
-
周迅;
刘超慧;
周克萍;
韩传福
-
-
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。
-
-
魏子钦;
单豫洲;
梁艳美
-
-
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。
-
-
李红莎
-
-
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。
-
-
范月祺
-
-
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。
-
-
王君威;
余粟
-
-
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。
-
-
程号楠
- 《辽宁省通信学会2020年度学术年会》
| 2020年
-
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.
-
-
佟强;
张煦渤;
张蓓赟;
黄浩
- 《2017“互联网+、大数据与商业创新国际会议”》
| 2017年
-
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.
-
-
许贝贝;
姜同强;
王一帆;
文美
- 《信息系统协会中国分会第六届学术年会》
| 2015年
-
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.
-
-
-
Fan Yu;
樊宇
- 《第25届媒体融合技术研讨会》
| 2017年
-
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.
-
-
-
LIGai;
李改;
He Chao-bo;
贺超波;
PAN Jin-cai;
潘进财;
CHEN Qiang;
陈强;
LI Lei;
李磊
- 《第15届全国软件与应用学术会议(NASAC2016)》
| 2016年
-
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.
-
-
YANG Yao-ke
- 《2016年全国高性能计算学术年会》
| 2016年
-
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.
-
-
潘崇伦;
张弛
- 《2015(第三届)中国水利信息化与数字水利技术论坛》
| 2015年
-
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.
-
-
李姝;
赵昆
- 《信息系统协会中国分会第六届学术年会》
| 2015年
-
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.