排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
项目相关性度量是基于项目最近邻的协同过滤算法的关键。已有的项目相关性度量方法在数据集稀疏或推荐低流行度产品时会面临较大挑战,因此提出一种考虑用户活跃度和项目流行度的基于项目最近邻的协同过滤算法。该算法在度量两个项目的相关性时,若有记录只对两个项目之一有评分,则利用该记录所对应的评分用户的活跃度和被评价项目的流行度进行相关性惩罚,从而提高数据稀疏环境下低流行度产品被推荐的概率。实验表明,所提算法在保证评分预测精度的情况下提升了推荐结果的多样性和新颖性。 相似文献
2.
Web浏览预测的Markov模型综述 总被引:5,自引:0,他引:5
Web访问模式挖掘研究的一个重要议题是Web浏览预测,Markov模型是一种经典的Web浏览预测模型.本文首先介绍了基本Markov浏览预测模型,包括基本Markov浏览行为模型,模型的学习训练及其在Web浏览预测问题中的应用;然后重点分析了扩展的Markov浏览预测模型,包括一序组合预测模型、高序模型、混合模型、隐Mark-ov模型、连续时间Markov模型等,综述了各种扩展模型所考虑的浏览预测问题的本质出发点、模型的学习方法及预测方法,最后分析了Markov浏览预测模型有待进一步研究的问题. 相似文献
3.
及时掌握大众关心的热点话题是企业进行商业创新和商务营销的重要前提。现有方法大都依赖于非结构化数据的处理或反复遍历样本集,使算法复杂性较高。文中从话题的统计特性出发,提出建立在结构化数据上的非参数方法。首先对单个话题构建表征话题传播扩散程度和关注聚焦程度的热度曲线;然后对这些形态丰富的热度曲线进行分类建模,得到不同类别曲线的共性特征及发展规律;最后使用分类模型上的加权投票规则预测新话题是否会发展成为热门话题。基于新浪微博平台进行数据收集和实验,结果表明该方法数据结构简单、效果良好、复杂度低且易于控制。 相似文献
4.
5.
主题模型是用于识别博客、网络社区、微博等社交网络平台上用户关注点的重要手段。考虑到社交网络平台上短文本主题识别的特殊性,该文根据短文本内容在上下文上的相关性,提出一种基于混合权重合并策略的AW-LDA模型。该模型将符合上下文相关条件的短文本进行虚拟合并,并根据上下文相关程度对不同短文本赋予不同的权重,构建了一种新的短文本主题识别方法。通过网络BBS社区与微博社区两组数据的实验,该模型能够有效识别不同话题下社交网络用户关注点,为解决短文本主题识别问题提供了新的解决思路。 相似文献
6.
介绍一种瓷砖生产线自动拣砖系统以替代人工分拣作业。解决了国内现有瓷砖生产线拣砖工序由人工完成、生产效率低下、存在安全隐患等问题。系统以自主技术为核心,由输送机、光电传感器、PLC控制器、气动驱动器、电控柜协同工作,光机电气一体化,多机联动,实现瓷砖生产的全自动分拣。 相似文献
7.
8.
9.
用户分类是Web访问模式挖掘研究的一个重要任务。提出一种应用关联分类技术对Web用户进行分类的方法:首先通过对Web日志文件预处理得到训练事务数据集,然后从该事务集中挖掘分类关联规则,并利用所挖掘的规则集构建了一个分类器,从而实现了根据用户访问历史对用户进行分类。 相似文献
1