首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2篇
  免费   0篇
  国内免费   3篇
综合类   2篇
自动化技术   3篇
  2020年   1篇
  2019年   1篇
  2018年   1篇
  2015年   1篇
  2013年   1篇
排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
孟祥武  李瑞昌  张玉洁  纪威宇 《软件学报》2018,29(10):3111-3133
近年来,随着移动智能设备的普及,移动社交网络方兴未艾,用户习惯和朋友分享自己的精彩经历,因此产生了大规模具有时空属性的用户轨迹数据.从狭义的角度来看,轨迹数据是指连续采样的GPS数据.从广义的角度来看,在时空域存在连续性的序列,都可以称作轨迹.例如:在社交网络上的用户签到序列就可以认为是粗粒度的轨迹数据.广义轨迹数据具有时空异构性、连续与离散并存、时空项目的层次性不明显和分类不明确等特点,但是相比于GPS轨迹数据,广义轨迹数据来源广泛,蕴含丰富的信息,这给传统的移动推荐系统带来了巨大的机遇.与此同时,广义轨迹数据规模大、结构丰富,这也给传统的移动推荐系统带来了巨大的挑战.如何利用广义用户轨迹数据来提升移动推荐系统的性能,已成为学术界和产业界共同关注的重要课题.以轨迹数据特征作为切入点,对近年来基于广义用户轨迹数据的移动推荐系统的主要模型方法和推荐评价指标进行了系统综述,阐述了与传统移动推荐系统的联系和区别.最后,对基于广义用户轨迹数据的移动推荐系统有待深入研究的难点和发展趋势进行了分析和展望.  相似文献   
2.
大数据环境下的推荐系统   总被引:1,自引:0,他引:1  
信息过载是大数据环境下最严重的问题之一,推荐系统作为有效缓解该问题的方法,受到工业界和学术界越来越多的关注。如何充分利用丰富的用户反馈、社会化网络等信息进一步提高推荐系统的性能和用户满意度,成为大数据环境下推荐系统的主要任务。首先,对近几年大数据环境下的推荐系统进行了综述,对大数据和推荐系统进行了概述,对推荐系统在传统环境下和大数据环境下的区别进行了辨析;然后,根据层次化的框架对推荐系统关键技术、效用评价以及应用实践等进行了概括、比较和分析;最后,对大数据环境下推荐系统有待深入研究的难点和发展趋势进行了展望。  相似文献   
3.
在真实的微博在线社区网络演进过程中,个体节点间新连接的生成,不仅与个体的节点连接度有关,还与个体节点的吸引力衰变性有关,并存在一定的随机性。针对这种情况,综合考虑个体节点连接度、吸引力衰减性、随机性对在线社区网络演化的影响,提出一个BA模型的改进模型BA*来建模微博社区。结合SIR传播模式,研究了BA*模型的信息传播现象。结果证明,BA*模型更适合分析微博在线社区网络的演进与信息传播。  相似文献   
4.
陈劲松  孟祥武  纪威宇  张玉洁 《软件学报》2020,31(12):3700-3715
近些年来,兴趣点推荐系统已经逐渐成为移动推荐系统领域的研究热点之一.多种因素联合建模的方法逐渐深入,如时间、空间、序列、社会化和语义信息被引入统一模型,以建模多维情景下的用户偏好.其中,嵌入学习模型作为一种有效的多因素联合建模方法,在移动推荐领域有较好的性能.然而,多数嵌入学习的模型只是简单地将显式因素,如时间戳、项目、区域、序列等嵌入到相同的空间,由于缺乏对用户和项目的语义特征的深层次挖掘,在用户签到极端稀疏时,难以精准获取用户偏好.鉴于此,提出一种多维上下文感知的图嵌入模型——MCAGE.在MCAGE中,利用主题模型提取用户和项目间的潜在语义特征,并重新定义了一系列图的节点及关联规则,设计了更有效的用户偏好公式,以此提升刻画移动用户偏好的精准度.最后,通过在真实数据集上的实验分析,证明了该模型具有更好的推荐性能.  相似文献   
5.
融合多种数据信息的餐馆推荐模型   总被引:1,自引:0,他引:1  
戴琳  孟祥武  张玉洁  纪威宇 《软件学报》2019,30(9):2869-2885
餐馆推荐可以利用用户的签到信息、时间上下文、地理上下文、餐馆属性信息以及用户的人口统计信息等挖掘用户的饮食偏好,为用户生成餐馆推荐列表.为了更加有效地融合这些数据信息,提出一种融合了多种数据信息的餐馆推荐模型,该模型首先利用签到信息和时间上下文构建“用户-餐馆-时间片”的三维张量,同时利用其他数据信息挖掘若干用户相似关系矩阵和餐馆相似关系矩阵;然后,在概率张量分解的基础上同时对这些关系矩阵进行分解,并利用BPR优化准则和梯度下降算法进行模型求解;最后得到预测张量,从而为目标用户在不同时间片生成相应的餐馆推荐列表.通过在两个真实数据集上的实验结果表明:相比于目前存在的餐馆推荐模型,所提出的模型有着更好的推荐效果和可接受的运行时间,并且缓解了数据稀疏性对推荐效果的影响.  相似文献   
1
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