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。     

一种优化的相似度协同过滤推荐算法

传统的协同过滤推荐算法存在推荐准确性不高的问题。在计算相似度时,当得分向量的结果差异性不大时,可能会产生相似的结果向量,从而降低相似度结果的准确性。针对这一问题,提出一种优化的用户相似度协同过滤推荐算法,在传统的余弦相似度计算中加入一个平衡因子,并通过实验验证加入的平衡因子阈值算法的有效性。实验结果表明,优化的用户相似度协同过滤推荐算法能够显著提升用户相似度计算的准确性,从而得到较好的推荐结果。     

基于用户相似度的协同过滤推荐算法简

协同过滤推荐算法通过研究用户的喜好,实现从海量数据资源中为用户推荐其感兴趣的内容,在电子商务中得到了广泛的应用。然而,当此类算法应用到社交网络时,传统的评价指标与相似度计算的重点发生了变化,从而出现推荐算法效率偏低,推荐准确度下降问题,导致社交网络中用户交友推荐满意度偏低。针对这一问题,引入用户相似度概念,定义社交网络中属性相似度,相似度构成与计算方法,提出一种改进的协同过滤推荐算法,并给出推荐质量与用户满意度评价方法。实验结果表明：改进算法能有效改善社交网络中的推荐准确性并提高推荐效率,全面提高用户满意度。     

一种改进用户相似度的协同过滤推荐算法

针对用户项目评分表的稀疏性,使得用户相似度计算误差较大的情况,采用一种基于用户与项目特征兴趣的相似度算法.该算法依据项目的特征和用户对项目的评分,生成用户与项目特征兴趣矩阵,使用余弦相似度方法,由用户与项目特征兴趣矩阵计算得到改进后的用户相似度.通过实验证明,在最近邻等于140的条件下,改进用户相似度的协同过滤推荐算法...     

基于相似度的直觉模糊推理反向三I算法的鲁棒性

本文将直觉模糊集与反向三I算法结合起来,研究了直觉模糊推理a－反向三I算法,给出了IFMP、IFMT问题的直觉模糊推理a－反向三I算法解的表达形式和分解形式.其次,借助双剩余,定义了直觉模糊集间的相似度,给出了直觉?ukasiewicz蕴涵、直觉Gödel蕴涵、直觉Goguen蕴涵、直觉R₀蕴涵的相似度,并分析了它们之间的关系.最后,利用直觉模糊集上的相似度作为扰动参数,讨论了直觉模糊推理a－反向三I算法的鲁棒性,特别是,针对以上四种剩余型蕴涵算子,得到了直觉模糊推理a－反向三I算法的一些关于鲁棒性的结论.     

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。     

一种改进相似度计算方法的协同过滤推荐算法

由于新用户和新项目的不断加入,传统的协同过滤推荐算法存在冷启动问题。针对该问题,提出了一种改进相似度计算方法的协同过滤推荐算法。首先根据项目的属性特征,计算项目的属性相似性,然后根据项目的用户评分,计算项目的得分相似性,按一定的权重比例将两种相似性组合起来作为最终的项目相似性。最后,根据项目相似性计算目标项目的邻居项目集,根据邻居项目集预测目标项目的用户评分。实验结果表明,新算法能提高推荐精度,并能在一定程度上解决冷启动问题。     

基于主题模型和文本相似度计算的专利推荐研究

如何利用数量庞大的专利并从中找到用户感兴趣的专利进行推荐是很多专利数据库迫切需要解决的问题。文中从专利文本的标题和摘要入手,提出一种基于文本挖掘的专利推荐方法。首先,利用词袋模型将专利文本转化成计算机能够识别的数据;其次,利用文本聚类算法完成专利数据集进行领域划分;再次,结合词频-逆文档频率特征权重计算和余弦相似度来选择合适的发明人进行专利的推荐;最后,以我国物流产业下的专利数据作为数据集完成文中所提方法的验证与分析。实验结果表明,基于文本挖掘的专利推荐研究能够实现对发明人的个性化推荐。     

基于启发式聚类模型和类别相似度的协同过滤推荐算法

基于k-近邻的协同过滤推荐算法对于邻居数量k的确定过于主观,并且推荐时以k-近邻均值加权推荐不够准确．针对这两个问题,本文首先引入并改进最大最小距离聚类算法,进而设计启发式聚类模型将用户进行不规定类别数的自由聚类划分,目标用户所在类的用户为邻居用户,客观确定邻居数量;然后在推荐时定义类别相似度,针对性地建立目标用户未评分和评分项目的潜在类别关系,改进k-近邻均值加权算法．实验结果表明,该算法提高了推荐准确度（约0．035MAE）．     

融合用户行为序列预测的混合推荐算法

对于用户行为序列中隐藏用户兴趣的捕捉是近年来推荐算法研究的热门方向。传统的序列预测模型使用用户最后一次点击的商品为目标,建立用户行为和目标商品间的关联,并没有充分挖掘用户序列间的先后关系。文中在传统的DIN模型的基础上进行了改进,采用一段时间内的连续行为作为目标向量,使用transformer结构完成序列到序列的预测任务,进一步提取和利用了用户行为序列中的用户深度兴趣,并将其作为辅助特征结合DIN进行推荐。在亚马逊图书数据集和电子数据集上的实验结果表明,文中提出的基于DIN混合推荐模型比原DIN模型的AUC指标分别提升了约0.7%和1.9%。由此可知,基于用户行为序列预测的混合推荐可以在多特征推荐系统中起到一定的辅助作用。此外,文中还对用户序列长度对模型结果造成的影响进行了探究。     

基于用户兴趣和推荐信任域的微博推荐

向用户推荐其感兴趣的微博,是改善用户体验的重要途径.为使推荐的微博更加符合用户的兴趣和品味,提出的微博推荐方法不仅考虑用户自身的特点,而且还考虑所在社区对微博的评价.在技术实现上,采用支持向量机进行文本分类,以便发现用户的兴趣偏好;通过多维Newman算法进行用户社区的发现,并将社区视为推荐信任域.最后采用改进的协同过滤算法综合用户兴趣偏好和推荐信任域进行微博推荐,以此提高微博推荐的质量.实验结果表明,提出的微博推荐方法是切实有效的.     

The Recommendation of Digital TV Program Based on Rankboost Algorithm

A Rankboost algorithm using for recommendation of digital TV program is proposed. The program feature model expressed by time, channel, main category and subcategory are founded. The rank function is calculated based on Rankboost algorithm and real user TV watching records, its AUC （Area under the curve） of ROC （Receiver operator characteristic） is the highest comparing with those got by simple statistic and Bayesian approach, the experimental recommendation results which are calculated using the above rank function conform user real actions well.     

Improved Collaborative Filtering Recommendation Based on Classification and User Trust

When dealing with the ratings from users, traditional collaborative filtering algorithms do not consider the credibility of rating data, which affects the accuracy of similarity. To address this issue, the paper proposes an improved algorithm based on classification and user trust. It firstly classifies all the ratings by the categories of items. And then, for each category, it evaluates the trustworthy degree of each user on the category and imposes the degree on the ratings of the user. Finally, the algorithm explores the similarities between users, finds the nearest neighbors, and makes recommendations within each category. Simulations show that the improved algorithm outperforms the traditional collaborative filtering algorithms and enhances the accuracy of recommendation.     

基于潜在主题的混合上下文推荐算法

针对单个环境上下文中项目访问记录稀疏的问题,推荐系统难以获取与当前环境上下文关联的用户偏好。该文设计了一种新的上下文关联性推荐(CTRR)算法。CTRR算法通过CTRR_LDA模型求解推荐项目出现在特定环境上下文的概率,并结合上下文后过滤推荐算法,对用户进行推荐。CTRR_LDA模型是在(LDA)模型的基础上,结合环境上下文和项目特征上下文,提出的项目与环境上下文的关联概率模型。该模型将环境上下文划分为多个环境上下文因子,每个环境上下文因子表示为K维的主题分布,挖掘环境上下文因子中项目出现的潜在主题特征。利用LDOS-CoMoDa网站上真实的电影数据集进行实验,验证了算法的可靠性。     

一种集成直觉模糊信息的激励自适应信任模型

针对现有信任机制不能很好表达信任的不确定性,且缺乏有效处理分布式网络中存在的不诚实推荐和策略性欺骗等问题,该文提出一种集成直觉模糊信息的自适应信任评估模型。为了激励提供可信服务的实体,惩罚不良行为实体,该模型结合服务持续性强度和时间衰减因子,计算实体直接信任直觉模糊数。同时利用实体的推荐可信度和行为一致性过滤不诚实推荐行为。除此之外,为了克服综合信任聚合计算中权重确定较主观的问题,给出了一种新的自适应权重分配方法。仿真实验表明,该模型在提高实体服务积极性和抑制恶意欺诈行为中,都有较好的适应性和有效性。     

一种基于实体上下文和时间戳的信任预测模型

信任是网络计算模式下实体交互与协同的基础,如何准确地定量表示和评估信任是研究重点。该文提出以实体上下文和时间戳为条件的信任预测模型,建立了粒度为8的信任等级空间,引入了多维测量指标度量实体交互满意度,使得满意度计算更加精确。构建了具有时间衰减性的直接信任求解方法,克服了已有模型动态适应能力不足的问题。把推荐信任划分为直接推荐和间接推荐,在直接推荐信任求解中引入实体评分相似度因子,在间接推荐信任计算中提出了基于路径衰减的方法。提出了一种分布式树型存储机制DST(Distributed Storage Tree),提高了模型的稳定性和可扩展性。模拟实验表明,与已有同类型模型相比,该模型更有效和准确地提供决策依据,并且在抑制恶意实体方面具有明显作用。     

一种基于信任模型的安全度量及安全路由算法设计

针对网络路由的攻击普遍且后果严重。目前的研究大多是采用数字签名,消息验证和入侵检测等机制来提高路由控制信息的安全,基本没有考虑机密应用数据的路由安全问题。该文通过分析通信实体的安全机制和安全威胁来测量链路和节点的信任度,建立节点间的信任关系,并基于该信任模型定义和量化一种新的安全度量SM(Security Metric),提出以SM为选路标准的安全路由算法SMRA(Security Metric based Routing Algorithm)。仿真表明,网络存在攻击时,SMRA算法比OSPF算法有更好的包传输率和路由安全性能。     

BP Learning Algorithm Based on DFP and Trust Region Method

The Back propagation （BP） algorithm is one of the most widely used learning algorithms of Neural network （NN）. The traditional BP learning algorithm has some defects, such as slow convergence rate and poor stabilization. In this paper, a new learning algorithm based on Davidon-fletcher-powell （DFP） and Trust Region method is proposed to solve these problems. Compare with other learning algorithms, DFP has advantages, such as higher searching efficiency, super-linear convergence rate and lower computation cost. On the other hand, trust region method make the new learning algorithm hold global convergence, stability, and high accuracy, especially in large residuals problems. Simulation results on XOR problem and non-linear system recognition show that this new method work well in improving the convergence rate and accuracy.     

多维正交天线的鲁棒波束成形算法分析

将服务质量(QoS)概念引入码分多址(CDMA)系统鲁棒波束成形(BF)的分析,通过对基站端天线阵元空间排列的调整,使接收信号同时在三维空间进行处理,使用凸优化算法对各维信号进行多目标约束优化,最终形成所需的合成发射波束模式。文中最后给出了仿真结果,并与WUSIC及MMSE算法进行了性能比较。