基于长尾理论的物品协同过滤Top-N推荐算法

传统的基于物品的协同过滤算法在计算物品相似度时,热门商品难以与冷门商品相似,从而冷门商品的推广就更为困难。针对上述问题,在传统的物品协同过滤算法基础上,提出一种改进的类TF-IDF物品相似度算法,同时考虑并排除刷分现象对物品推荐产生的负面影响,使冷门商品在基于长尾理论的推荐系统中有更高的覆盖率和准确率。以MovieLens上的数据集作为实验数据进行实验,实验结果表明,改进后的算法在保持甚至提高准确率的前提下,有效地提高在推荐冷门商品时系统的覆盖率。     

基于案例推理和协同过滤的公路工程项目施工方案辅助决策模型研究

科学利用和挖掘已有成功施工经验对未来项目施工方案确定起到重要参考作用。本文基于案例推理技术和协同过滤算法构建辅助决策模型,用于公路工程项目的施工方案辅助推荐。首先基于框架表示法构建公路工程项目案例库,对已有案例进行表示;随后采用基尼系数客观赋权法对项目属性进行赋权,针对不同类型的项目属性分别计算属性相似度,进而计算项目相似度,实现案例检索;然后对项目相似度大于阈值的项目,确定输出施工方案并建立偏好度评分矩阵;最后使用协同过滤算法结合项目相似度计算施工方案得分确定推荐结果。本文以某工程路基土方开挖施工方案的选择为例进行应用分析,推荐结果与原施工方案一致,表明该模型适用于编制施工方案的辅助决策。     

融合热门度因子基于标签的个性化图书推荐算法

依照Web2.0的"社会化标注"思想,针对基于内容的推荐算法(CBR)和协同过滤推荐算法(CF)存在的不足,提出了基于读者标签(Tags)的、融合图书"热门度"因子的个性化图书推荐的两个改进算法。利用统计分析软件R,重点对改进后的CBR算法进行实验分析和验证,结果表明,改进算法的图书个性化推荐效果有明显改善。     

信息茧房与准确率：基于复合型算法的个性化模拟推荐系统

本文在分析算法型信息分发的主要推荐机制基础上,指出了在实际的研究中,算法推荐的准确率如何衡量的一种方法,并结合了协同过滤和文本分析两种主流推荐机制设计了基于复合型推荐算法的模拟个性化信息推荐系统。     

基于物品的协同过滤算法在ACM在线评测推荐系统中的改进及应用

针对ACM在线评测平台中练习题目数量较多,新用户选题盲目的问题,文章主要研究了基于物品(item-based)的协同过滤算法,根据在线评测推荐系统的特性采用了余弦相似性来计算题目之间的相似程度,并且在此基础上加入时间权重和难度权重。实验结果表明,改进后的算法比原有推荐算法的推荐质量和准确度有显著提高。最后将改进后的推荐算法部署到在线评测平台上,帮助用户选到合适的题目练习,提高用户编写程序解决问题的能力。     

基于Pyspark平台的协同过滤推荐算法应用与实现

为解决传统的基于矩阵分解协同过滤推荐算法,在大量数据的情况下,单节点计算速度慢以及特征矩阵稀疏问题,充分对大数据时代下的Pyspark大数据处理平台原理及架构进行研究,并对ALS协同过滤算法原理研究与其在Pyspark平台上的实现推荐系统应用.实验结果表明,基于Pyspark平台的ALS算法,通过调节正则化参数为0.01、增加并行化分块计算的块数、减少隐含语义因子的个数,能使推荐算法的RMSE最小,并能更快速精准有效推荐给用户他们感兴趣的商品.     

一种基于用户信任机制的个性化协同过滤推荐算法研究

传统的协同过滤推荐算法产生的数据稀疏性和冷启动问题存在潜在安全危机,不利于个性化推荐质量的提高。文章引入基于用户兴趣度和满意度的信任机制,改进传统用户信任度,通过信任度权重因子ωi,j,优化用户综合信任度,以提升预测评分质量。仿真实验分别从算法的推荐准确率和推荐覆盖率展开分析,实验结果表明,当ωi,j取值在0.5时,推荐准确率和覆盖率较RTCR算法、Trust Impact MF算法、A&I-Based算法明显占优。     

TopN推荐系统的差分隐私保护研究

提出了1种基于差分隐私保护的TopN协同过滤推荐算法—DP-TopN算法,使用Laplace噪音机制分别对推荐过程的数据预处理部分和用户评分部分进行随机扰动,并对推荐算法步骤进行调整,使得整个推荐过程满足差分隐私模型,从而达到保护用户隐私安全的目的。通过在真实数据集上进行的实验和理论分析表明,所提算法能在满足精确推荐的同时有效地保护用户的个人隐私。     

采用外部数据扩充样本的协同表示去噪算法

针对滤波算法利用内部数据很快达到滤波性能极限、在噪声密度较大时无法满足滤波要求的问题,提出采用外部数据扩充样本的协同表示去噪算法。通过协同表示寻找到与待滤波图像相似的外部数据图像,并利用该图像生成虚拟图像,扩充数据库纹理信息;通过匹配待滤波图像与外部数据图像的相似碎片信息,完成滤波过程。实验结果表明,所提出算法对高密度噪声图像的滤波效果较BM3D算法有大幅度的提升,并具有较好的鲁棒性,可获得高质量的滤波图像。     

协同显式和隐式主题回归的论文推荐算法

针对传统论文推荐模型存在冷启动和推荐解释困难的问题,在协同主题回归的基础上,建立了一种协同显式和隐式主题回归的论文推荐模型。模型中显式主题能够表示用户对论文内容中包含显式内容的偏好程度,隐式主题能够覆盖论文内容中没有显式包含的内容,该算法能够对推荐结果给出一定的解释。在CiteULike数据集上的实验结果表明:在不同推荐列表长度下,协同显式和隐式主题回归模型的推荐精度和召回率优于协同过滤和主题回归模型。