一种基于社会化标签的协同过滤推荐算法

为了减少社会化标签的语义模糊和冗余给基于标签的协同过滤算法带来的噪声,利用群体智慧选择流行标签对用户和资源建模,在此基础上设计了基于流行标签的协同过滤算法。实验证明,该算法降低了标签噪声,并提高了传统的基于标签协同过滤算法的准确性。     

个性化推荐中基于用户协同过滤算法的优化

在个性化推荐系统中,基于用户的协同过滤算法,会将目标用户与其他所有用户进行比较,计算量非常大。为此,文中以推荐系统的效率为目标,提出了一种改进算法,通过预先计算用户相似度函数,取出匹配度最高的N个用户的数据生成推荐。实验结果表明,该方法在计算速度上有显著提高。     

基于社会网络协同过滤的社会化电子商务推荐研究

随着社会网络关系的不断复杂化,商品是否推荐成功,除了基于商品本身的特征外,还受社会网络关系的影响。很多用户更加信任来自朋友的推荐,而非机器通过单因素计算出来的推荐结果。因此,设计了一个融入社会网络关系的电子商务推荐系统。其中,构建了社会网络关系强度、兴趣偏好强度和商品流行性与声望强度3个关键因子,每个一级因子又由若干个二级因子构成。实验结果验证了社会网络关系会对其中成员的网购等网络行为产生影响,构建的基于社会网络的电子商务推荐策略的效果比其他单因素推荐策略好且稳定,具有很好的实际应用效果。     

基于移动用户上下文相似度的协同过滤推荐算法

该文面向移动通信网络领域的个性化服务推荐问题,通过将移动用户上下文信息引入协同过滤推荐过程,提出一种基于移动用户上下文相似度的改进协同过滤推荐算法。该算法首先计算基于移动用户的上下文相似度,以构造目标用户当前上下文的相似上下文集合,然后采用上下文预过滤推荐方法对移动用户-移动服务-上下文3维模型进行降维得到移动用户-移动服务2维模型,最后结合传统2维协同过滤算法进行偏好预测和推荐。仿真数据集和公开数据集实验表明,该算法能够用于移动网络服务环境下的用户偏好预测,并且与传统协同过滤相比具有更高的推荐精确度。     

一种基于用户兴趣的协同过滤算法

针对评分数据矩阵的稀疏性导致推荐算法质量较低的问题,文章设计了一个改进的协同过滤算法:通过在算法中加入了用户兴趣的信息的方法,改进了用户相似度计算和扩展用户评分矩阵,从而改进了基于用户聚类的协同过滤算法。通过对比改进后算法的平均绝对偏差,该算法可以更准确地计算用户的相似性,并且降低数据稀疏性所带来的影响。实验的结果表明,该算法提高了协同过滤算法的准确性。     

一种基于用户和商品属性挖掘的协同过滤算法

为了解决传统协同过滤算法数据稀疏而导致的推荐不准确等问题,引入商品属性值的概念,根据改进后的用户相似度填充用户-属性矩阵,最后对物品兴趣程度及商品属性评分和进行加权推荐。通过在电影数据集MovieLens上的实验表明,改进后的算法能够显著提升推荐准确率。     

基于VOD视频用户行为的协同过滤推荐算法优化

传统电视点播VOD的协同过滤推荐算法被广泛应用,但随着大数据时代的到来,该算法的扩展性缺点也逐渐突出,传统算法越来越不适合解决海量数据带来的相似度伸缩性问题.本文提出一种基于hadoop框架的改进的协同过滤推荐算法,以弥补其缺陷.实验结果显示本算法的结果平滑性受海量相同视频估值问题影响相对较小,推荐准确性也有所优化.     

基于用户的协同过滤推荐算法研究及应用

随着互联网技术飞速发展,信息过载问题日益严重,对个性化推荐系统的研究已成必然趋势。为了提高传统协同过滤算法的准确性,本文提出基于人口统计与惩罚函数的协同过滤算法,先引入惩罚函数缓解传统推荐算法的数据稀疏性问题,再引入人口统计信息来进一步减少数据稀疏性问题对预测结果带来的影响,从而提高预测的准确性。实验验证表明,提出的改进算法能有效提高协同过滤算法预测的准确率。     

基于用户模糊相似度的协同过滤算法

针对离散评分不能合理表达用户观点和传统协同过滤算法存在稀疏性等问题,借鉴年龄模糊模型,提出了梯形模糊评分模型。该模型将离散评分模糊化为梯形模糊数,考虑了评分模糊性和信息量,通过梯形模糊数来计算用户相似度,据此设计了协同过滤算法,并证明了该算法是传统协同过滤算法在模糊域的扩展。实验表明,该算法在数据稀疏且用户数远多于项目数时性能突出,并且算法运行时间远小于传统协同过滤算法。     

基于评分预测与排序预测的协同过滤推荐算法

协同过滤推荐算法在电子商务领域运用广泛.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.为了兼顾这两个方面,本文在传统的基于评分预测的PMF（Probabilistic Matrix Factorization）算法和基于排序预测的xCLiMF（Extended Collaborative Less-is-More Filtering）算法的基础上提出了一种基于评分预测与排序预测的协同过滤推荐算法URA（Unified Recommendation Algorithm）,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,利用PMF算法来学习高精度的用户和推荐对象的特征向量,从而进一步增强排序推荐性能.实验验证,该方法在评价指标NDCG和ERR下均优于PMF和xCLiMF算法,且复杂度与评分点个数线性相关.URA算法可运用于互联网信息推荐领域的大数据处理.     

一种基于信息老化的协同过滤推荐算法

协同过滤推荐算法中存在推荐信息低时效性问题,该文针对此问题,结合信息老化理论,提出一种基于信息老化的协同过滤推荐算法。该算法利用用户的点击记录,构建项目的时效性评价模型来预测项目当前时刻被点击的概率;将模型与基于项目协同过滤推荐算法结合,综合考虑用户的兴趣和项目的时效性来发现项目的最近邻居,从而进行高时效性的推荐。实验结果表明,与传统基于项目的协同过滤推荐算法相比,该算法提高了推荐结果的时效性。     

数字移动通信网中的用户认证方案

本文根据Harn L提出的修正ELGamal签名方案和Rabin的公钥加密体制,提出了一种适用于数字移动通信网的公钥用户认证方案。该方案克服了GSM和CT—2等系统中所采用的秘密密钥方案不够安全的缺点,并具有较低的计算复杂度和较高的安全性。     

数字移动通信信令网SCCP寻址

在ＧＳＭ网中，交换局间的非电路相关的呼叫控制停产旧局间信领必不可少的的部分，信号连接控制部分（ＳＣＣＰ）则为信领的传递提供了可能。文章通过一个基本的ＳＣＣＰ寻址的实例，对移动网移动应用部分（ＭＡＰ）消息的传送流程进行了基本描述，同时也对目前ＧＳＭ网上实际的ＳＣＣ 址过程中消息通过各网络节点时相关中由参数的变化格了较斩解释。     

基于网络模体的移动社会网络信息可控传播方法

移动社会网络中的信息传播具有突发性、多元性、偏差性等特点,使得相关话题和事件能够在短时间内形成强大的网络和社会舆论场,这有可能被恶意用户利用来散布谣言,给网络环境带来了恶劣的影响。针对这一问题,该文提出一种基于网络模体的信息可控传播方法。首先,提出多实体的竞争性独立级联模型(MCIC),该模型在信息竞争扩散理论的基础上,首次结合社会网络层用户的社会属性,来感知恶意信息并控制信息传播。其次,该文定义了控制信息流模体(CIFM),并选择出具有可控传播功能的关键网络模体,设计其在通信层的高效可控传播算法。最后,通过理论推导证明了该文方法具有收敛性。仿真实验表明,与其他方法相比,所提方法不仅在信息传播中最大感染时间和平均感染时间上更有优势,而且在控制信息传播方面的效果也是最好的。     

浅析云计算技术下的移动通信网络优化

在信息技术科学技术迅速发展的今天,人和物逐渐进入通信时代和网络智能化时代,通信网络被广泛应用于人们的生活中,给人们的生活带来更多的便利。移动网络技术推动了信息技术的发展,在这种环境下云计算的诞生有利于移动通信网络进一步优化,为人们提供更加优质、高效的网络服务。所以,在云计算环境下必须合理配置和优化网络资源,将网络技术作为带动移动通信网络发展的技术核心,保障服务水平的提高。下面就云计算技术环境下的移动通信网络优化进行浅析。     

移动通信网络的规划与优化对策

讨论了电信运营商在移动通信网络建设和运营中进行有效网络规划和优化的重要性。根据2G和3G网络的不同特点，对2G和3G的网络规划和优化进行了详细分析，并提出了相应的规划和优化对策。     

浅析移动通信网络容量的评估和利用

通过对移动通信网络的分析,针对移动通信网络容量的评估和利用提出了一些思路。