首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 125 毫秒
1.
随着互联网和信息计算的飞速发展,衍生了海量数据,我们已经进入信息爆炸的时代。网络中各种信息量的指数型增长导致用户想要从大量信息中找到自己需要的信息变得越来越困难,信息过载问题日益突出。推荐系统在缓解信息过载问题中起着非常重要的作用,该方法通过研究用户的兴趣偏好进行个性化计算,由系统发现用户兴趣进而引导用户发现自己的信息需求。目前,推荐系统已经成为产业界和学术界关注、研究的热点问题,应用领域十分广泛。在电子商务、会话推荐、文章推荐、智慧医疗等多个领域都有所应用。传统的推荐算法主要包括基于内容的推荐、协同过滤推荐以及混合推荐。其中,协同过滤推荐是推荐系统中应用最广泛最成功的技术之一。该方法利用用户或物品间的相似度以及历史行为数据对目标用户进行推荐,因此存在用户冷启动和项目冷启动问题。此外,随着信息量的急剧增长,传统协同过滤推荐系统面对数据的快速增长会遇到严重的数据稀疏性问题以及可扩展性问题。为了缓解甚至解决这些问题,推荐系统研究人员进行了大量的工作。近年来,为了提高推荐效果、提升用户满意度,学者们开始关注推荐系统的多样性问题以及可解释性等问题。由于深度学习方法可以通过发现数据中用户和项目之间的非线性关系从而学习一个有效的特征表示,因此越来越受到推荐系统研究人员的关注。目前的工作主要是利用评分数据、社交网络信息以及其他领域信息等辅助信息,结合深度学习、数据挖掘等技术提高推荐效果、提升用户满意度。对此,本文首先对推荐系统以及传统推荐算法进行概述,然后重点介绍协同过滤推荐算法的相关工作。包括协同过滤推荐算法的任务、评价指标、常用数据集以及学者们在解决协同过滤算法存在的问题时所做的工作以及努力。最后提出未来的几个可研究方向。  相似文献   

2.
智能算法推荐越来越被大量应用于数字网络平台,在算法推荐服务提供者的商业趋利与算法技术的加持下,其原始的自动机制也日益精细化、个性化甚至黑箱化,其中包括内容生成的自动化、算法推荐执行的自动化。在此前提下智能算法推荐带来了一系列隐忧,其表现为个人与算法推荐服务提供者之间权利侵犯或公平失衡风险。为此,寻求智能算法推荐的规制主张从主体出发,分别在算法控制者层面、用户层面、第三方层面,强化技术源头的风险防控和严格化数据流转、应用两方面来加强算法控制者算法行为的规制;完善用户画像有关权利义务的配置以创新用户权利配置;最后应注重构建与完善第三方审核机构。如此形成三方的良性互动,方能更好地促进算法推荐领域的良性循环与可持续发展。  相似文献   

3.
推荐算法广泛应用于互联网场景中,为用户推荐个性化的信息,解决信息过载问题,以提升用户体验。引入知识图谱的推荐算法利用丰富的辅助信息能有效解决数据稀疏和冷启动等问题,有助于推荐准确性、多样性和可解释性,引起了人们的研究兴趣。总结现有推荐方法,划分为基于嵌入、基于路径和基于传播三个类型,介绍分析现有方法如何挖掘知识图谱中的实体和关系的信息,以及如何利用知识图谱进行可解释的推荐,并对比了三种类型方法的优缺点;介绍了不同应用场景下的常用数据集;对具有挑战性的未来研究方向进行了展望。  相似文献   

4.
针对目前金融行业普遍存在的金融产品信息过载、产品种类繁多、客户选择困难的问题,提出了一种基于知识图谱和用户画像的改进推荐方法。该算法通过知识图谱和用户画像技术分别计算企业与产品的相似度并线性加权融合,利用融合后的相似度矩阵对协同过滤算法进行改进,并设计实现了金融产品推荐系统。使用国网电商提供的真实数据集进行仿真实验,改进算法的F1值在0.6~0.7,而相同企业的原始协同过滤算法推荐效果的F1值在0.5~0.6。与原始协同过滤算法相比,改进算法有效缓解了数据稀疏性问题,提高了推荐效果。  相似文献   

5.
针对传统新闻推荐的数据稀疏性和用户的兴趣爱好快速变化问题,提出了一种融合社交关系和标签信息的混合新闻推荐算法。首先,该算法充分利用社交网络中的社交关系和标签信息;然后使用概率主题模型(latent Dirichlet allocation,LDA)对用户兴趣进行建模;最后采用基于内容与协同过滤相结合的混合推荐算法来完成新闻推荐。实验结果表明,所提算法与已有的推荐算法相比较,在精确度上提升了10.7%、平均倒数排名上(mean reciprocal rank,MRR)提升了4.1%,在归一化折损累计增益(normalized discounted cumulative gain,NDCG)上提升了10%。该算法可在一定程度上提高新闻推荐算法的精度及推荐质量。  相似文献   

6.
推荐系统作为一种筛选信息的工具,可以更加有效地解决“信息过载”问题,以个性化的方式提供满足用户需求的内容。本文根据基于内容的推荐算法和基于用户的协同过滤算法优缺点,将两种算法相结合,构建出基于混合算法的推荐系统,改善了数据稀疏性问题。具体介绍了混合推荐系统的设计思路和实现方法,在中国数字科技馆网站建设中进行应用。解决了网站科普资源个性化匹配不精准、优质资源曝光度不够等问题。  相似文献   

7.
苏静 《计算机应用研究》2021,38(10):3044-3048
推荐系统帮助用户主动找到满足其偏好的个性化物品并推荐给用户.协同过滤算法是推荐系统中较为经典的算法,但是其会受到数据冷启动和稀疏性的限制,具有可解释性差和模型泛化能力差等缺点.针对其缺点进行研究,通过将原始的评分矩阵以用户—项目二部图的形式作为输入,将图卷积神经网络设计为一种图自编码器的变体,通过迭代的聚合邻居节点信息得到用户和项目的潜在向量表示,并在其基础上结合卷积神经网络,提出了一种基于卷积矩阵分解的推荐算法,提升了模型的可解释性和泛化能力,同时融合辅助信息也解决了数据的稀疏性问题,并使推荐的性能分别得到了1.4%和1.7%的提升.为今后在基于图神经网络的推荐方向上提供了一种新的思路.  相似文献   

8.
为了解决信息过载问题,提出了一种融合知识图谱与注意力机制的推荐模型。在该模型中,将知识图谱作为辅助信息进行嵌入,可以缓解传统推荐算法数据稀疏和冷启动问题,并且给推荐结果带来可解释性。为了提升推荐准确率以及捕捉用户兴趣的动态变化,再结合深度学习中的神经网络以及注意力机制生成用户自适应表示,加上动态因子来更好地捕捉用户动态兴趣变化,使用多层感知机对项目进行评分预测。在MovieLens-latest-small电影数据集和豆瓣数据集进行仿真验证,结果表明该模型进行TOP-K列表电影推荐相比于其他算法拥有更好的推荐性能。  相似文献   

9.
普通的数字签名在有效保护用户隐私方面存在诸多不足,如对签名的抵赖和跟踪时有发生。针对上述问题,提出一种基于 SM9 算法的部分盲签名方案,部分是指签名消息包含用户的消息和其他有关信息,能够有效抵抗签名抵赖和跟踪,同时引入可信第三方来防止恶意用户对信息的篡改。通过实验结果和理论分析,证明了所提算法的安全性和高效性。  相似文献   

10.
推荐系统研究综述   总被引:1,自引:0,他引:1  
近年来,推荐系统得到前所未有的关注和发展。作为电子商务的核心技术,推荐系统在帮助消费者便捷的找到所需的潜在商品同时也促进商品的销售,对于消费者和商品生产者来说都至关重要。推荐系统可以利用用户的行为信息、社交网络信息、标签数据等来提升推荐系统的质量。随着推荐系统的快速发展,如何评价推荐系统以及如何提高推荐系统的可解释性也成为热门的研究课题。从推荐算法、评测指标和可解释性三个部分对推荐系统的研究现状进行分析总结。  相似文献   

11.
利用推荐系统进行群组推荐时,群组成员之间的交互关系对推荐结果有很大影响,但传统的群组推荐算法较少考虑用户信任度的重要性,致使社交关系信息不能得到充分利用。在群组融合时考虑群组内用户间的交互关系,提出一种基于用户信任度和概率矩阵的群组推荐算法。在获取用户信任度数据后,使用概率矩阵分解(PMF)算法补全信任度矩阵并进行归一化处理,得到相似度矩阵,同时在后验概率计算过程中加入用户间的信任度因素,通过极大化后验概率获得预测评分。在此基础上,对群组中用户的权重进行归一化处理,使用基于用户交互关系的权重策略融合群组成员偏好,得到最终的推荐结果。在Epinions和FilmTrust数据集上的实验结果表明,该算法可使融合结果更具群组特性,同时提高推荐结果的可靠性和可解释性,且均方根误差和命中率均优于PMF、NeuMF、RippleNet等对比算法。  相似文献   

12.
推荐系统是处理信息过载问题的重要手段,现有的基于信任网络推荐算法没有充分挖掘用户信任关系信息,影响推荐效果。提出了综合评估信任(CETrust)的模型,该模型综合考虑了用户间的直接信任和间接信任等因素。结合推荐项目的特征属性信息,集成到概率矩阵的因式分解模型中推荐。实验表明,新提出的推荐算法(H-CETrust)推荐精度高于现有推荐算法的推荐精度。  相似文献   

13.
王磊  任航  龚凯 《计算机应用》2019,39(5):1269-1274
针对现有社会化推荐算法在信任分析方面的不足,研究了从社交辅助信息中充分挖掘用户信任关系的方法,进而提出一种基于多维信任计算和联合矩阵分解的社会化推荐算法。首先,从用户社交行为、社交圈特征获得用户的动态和静态两种局部信任度,再利用信任网络的结构特征提取全局信任度;然后,构造一种对增强关注矩阵和社交信任矩阵进行联合矩阵分解的社会化推荐算法,并采用随机梯度下降法对其求解。基于新浪微博数据集的实验结果表明,所提出的算法在推荐精度和Top-K推荐能力方面明显优于socailMF、LOCABAL、contextMF和TBSVD这几种代表性的社会化推荐算法。  相似文献   

14.
为了提高新闻推荐的效率和准确度,减少相似内容的反复推荐,通过研究用户行为和分析用户新闻浏览行为日志,采用以马尔科夫算法为主要算法的新闻推荐算法,辅以协同过滤算法和基于内容的推荐算法,建立了马尔科夫模型,并应用在智能新闻推荐上。通过对比传统的推荐算法,测试结果表明,该模型在准确度和执行效率上有明显的提升,其功能更加智能。  相似文献   

15.
农业信息具有较强的时效性和周期性特征,传统基于行为的推荐算法能挖掘农户兴趣但不能反映农户不同时段的信息需求。同时,农户一般采用匿名网页直接浏览的方式查看农业新闻,显式反馈数据十分稀少,传统协同过滤推荐算法需要面临冷启动等问题。本文提出一种基于用户行为和新闻时效性的协同过滤推荐算法,综合采集用户的隐式、显式反馈数据等多维因素,同时考虑农业信息的分类特征及周期性特征,针对农户对不同农业信息分类信息的周期性关注度变化以及热度系数提高农业新闻推荐的针对性和时效性。通过对真实访问数据进行验证,结果表明提出的算法能有效提升农业信息推荐准确率。  相似文献   

16.
朱敬华  王超  马胜超 《软件学报》2018,29(S1):21-31
推荐系统能够有效地解决信息过载问题,其中,协同过滤(collaborative filtering,简称CF)是推荐系统广泛采用的技术之一.然而传统的CF技术存在可扩展性差、数据稀疏和推荐结果精度低等问题.为了提高推荐质量,将信任关系融合到推荐系统中,采用聚类(FCM)方法,对信任关系进行聚类.利用信任类预测用户间的隐式信任,最后将信任关系与用户-项目关系线性融合进行推荐.在Douban和Epinions数据集上的实验结果表明,与传统的基于CF、基于信任和用户项目聚类的推荐算法相比,该算法能够大幅度地改进推荐质量,提升算法的时间效率.  相似文献   

17.
针对现有旅游景点推荐个性化的不足问题,本文提出了一种基于信任关系与于情景上下文的旅游景点推荐算法。首先在传统的协同过滤算法上以用户信任度代替相似度来解决数据稀疏性;其次引入用户情景上下文信息,更全面的反映出用户的个性化需求;最后基于用户的信任度和上下文信息优化,建立一个推荐结果准确度更高的旅游景点推荐模型。模拟实验结果表明,综合考虑信任度和情景上下文信息的推荐策略表现最优。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号