| 基于多示例学习的对象图像推荐算法 |
| |
| 引用本文： | 李展,彭进业,温超.基于多示例学习的对象图像推荐算法[J].计算机工程,2011,37(20):280-281. |
| |
| 作者姓名： | 李展 彭进业 温超 |
| |
| 作者单位： | 西北大学信息科学与技术学院,西安,710069 |
| |
| 基金项目： | 教育部新世纪优秀人才基金资助项目(NCET-07-0693);陕西省教育厅科研基金资助项目(2010JK849) |
| |
| 摘 要： | 用户评分矩阵稀疏问题影响协同过滤的推荐性能。为此，提出一种基于多示例学习的对象图像推荐算法。将分割区域的视觉特征作为图像中的示例，利用多样性密度函数求得最大多样性密度点，使用正负图像内容评价不同用户间的相似性，将其与传统余弦相似性进行组合，从而实现推荐。实验结果表明，该算法提高了推荐性能。
|
| 关 键 词： | 对象图像推荐 协同推荐 多示例学习 多样性密度函数 组合推荐 |
| 收稿时间： | 2011-05-24 |
Object Image Recommendation Algorithm Based on Multi-instance Learning |
| |
| LI Zhan,PENG Jin-ye,WEN Chao.Object Image Recommendation Algorithm Based on Multi-instance Learning[J].Computer Engineering,2011,37(20):280-281. |
| |
| Authors: | LI Zhan PENG Jin-ye WEN Chao |
| |
| Affiliation: | (School of Information Science and Technology,Northwest University,Xi’an 710069,China) |
| |
| Abstract: | The sparse user-item matrix often hurts the performance of recommendation system.Aiming at this problem,an object image recommendation algorithm based on multi-instance learning is proposed.The images are regarded as bags and the segmented regions as instances.The Diverse Density（DD） function is adopted to search the maximum DD point;Next the positive and negative images is used to measure the users＇ similarity.The similarity result is integrated with the traditional cosine similarity.Experimental results show that,the algorithm can improve the recommendation performance. |
| |
| Keywords: | object image recommendation collaborative recommendation multi-instance learning diversity density function combination recommendation |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程》浏览原始摘要信息 |
|
点击此处可从《计算机工程》下载全文 |
