共查询到20条相似文献，搜索用时 15 毫秒
1.
张若冉 《农业图书情报学刊》2017,29(11):10-14
在众多个性化推荐技术中,协同过滤算法作为一种适用范围广、推荐质量高的算法,在电子商务领域得到了广泛应用,近年来被不少学者引入到图书馆个性化推荐的研究中。然而高校图书馆系统与商业系统相比,普遍存在用户信息少、项目评分严重缺失的问题,极大地影响了个性化推荐的准确率。针对以上问题,文章从高校读者属性和行为特征出发,建立用户兴趣模型,将读者阅读兴趣划分为长期兴趣和短期兴趣,基于用户兴趣度优化项目评分矩阵,进行协同过滤图书推荐。 相似文献
2.
针对高校用户对图书的个性化需求,运用用户对图书的评分,构建了基于Hadoop和Mahout的图书推荐系统。通过Hadoop中分布式文件系统(HDFS)和Map/Reduce计算模型的应用,发现当Hadoop中节点数不断增加时,计算时间不断减少,实时响应效率得到了提高;通过对Mahout中传统的Item-Based聚类协同过滤推荐算法进行改进,利用MAE值对传统和改进后的协同过滤算法进行比较,发现图书推荐的精度进一步提高。总体来说,推荐系统改善了传统单机运行内存严重不足和推荐结果不精确的问题。 相似文献
3.
4.
一种改进的Item-based协同过滤推荐算法 总被引：2，自引：0，他引：2
分析了协同过滤推荐系统中存在的用户多兴趣和项目多内容问题,提出了一种基于项的协同过滤改进算法,算法综合考虑了项目自身属性和用户评价的影响。试验表明该算法有效的解决了用户的多兴趣和项目的多内容问题,并且在用户评分数据比较稀疏的情况下也能有较好的推荐精度。 相似文献
5.
6.
随着信息技术和互联网的发展,在信息过载的时代,用户面对海量的信息,难以正确选择。协同过滤推荐是个性化推荐中比较成熟的算法,但其稀疏性、冷启动、可扩展性问题仍然存在,尤其是不能应用于分布式推荐。在Hadoop平台上,Mahout实现了分布式基于项目的协同过滤推荐算法,该算法能够有效解决传统算法的海量数据处理的效率问题和可扩展性问题。实验结果表明,Mahout上基于项目的协同过滤推荐算法具有较好的计算高效性和可扩展性。 相似文献
7.
杨蓉蓉 《农业图书情报学刊》2018,30(12):78-82
智慧时代用户对于信息需求呈现出了全新特征,目前高校图书馆所采用的服务模式无法满足用户实际需求,在此,设计高校图书馆创新服务模式,应用基于协同过滤的推荐算法,建立了图书推荐服务系统,确保高校图书馆提供信息服务由被动转变为主动,不仅有效的减小了读者获取图书信息时间成本,也确保高校图书馆和用户之间拥有更强交互性,进一步提升高校图书馆的图书流通数量。 相似文献
8.
协同过滤推荐算法是当前被广泛关注的推荐算法之一,算法中基于Resnick公式的评分模块只考虑了用户的浏览行为,忽略了用户间的评分影响,而且在数据稀疏的情况下不能较好的发挥评分预测的作用。针对这一不足,提出了一类BP神经网络优化评分预测的协同过滤推荐算法。其中,BP神经网络优化评分预测模块首先将相似用户的评分频数作为输入数据,并将目标用户正确评分作为输出数据进行神经网络训练,然后使用训练完的神经网络对用户评分进行预测。应用该模块分别替换皮尔逊推荐、模糊混合用户推荐和改进后的Top-N推荐代表性算法中的Resnick公式,对应给出了3种BP神经网络优化评分预测的协同过滤推荐算法。Movie-Lens数据集上的试验结果表明,该类协同过滤推荐算法在个性评分预测、特别是在稀疏数据评分预测方面有较强的竞争力。 相似文献
9.
《山东农业大学学报(自然科学版)》2016,(6)
基于用户的协同过滤推荐算法(User CF)从用户的历史操作记录中分析用户的兴趣,找到每个用户的k个相似近邻,然后基于这k个近邻集合实施推荐。皮尔森相关系数能够根据用户的历史评分计算用户间的相似度。本文加入流行项目惩罚系数、共同评分项目惩罚系数δ和评分差异惩罚系数λ,对皮尔森相关系数实施了改进和修订。实验结果表明,改进后的皮尔森相似度的推荐效果好于原始皮尔森相似度。 相似文献
10.
协同过滤推荐技术是当前最成功的个性化推荐技术,并且已经广泛应用于个性化推荐系统中。考虑到用户的推荐时间、推荐人数都是影响推荐准确度的重要因素,提出了一种基于蚁群算法的动态协同过滤推荐方法。当系统产生推荐项时,该算法不仅考虑每项的评分,而且考虑每项上信息素强度。实验结果表明,该算法可以显著提高传统过滤推荐系统的推荐质量。 相似文献
11.
12.
近年来,推荐系统的应用取得了飞速进步。大数据、人工智能技术的出现为农业信息化的加速发展提供了广阔的空间和前景。为提升农业领域内推荐技术的应用,满足农业用户的信息获取需求,对传统协同过滤推荐算法进行了一定的改进,重点体现在融合了K-means算法以及BIRCH算法进行聚类分析,通过搭建HowNet极性词典解决传统协同过滤方法过度依赖用户具体评分的问题,并提出了一种个性化推荐模型,利用相关数据源,进行模型验证。实验结果表明,该模型运行稳定,可以达到精准推荐农业技术信息的目的。 相似文献
13.
王圣镔 《农业图书情报学刊》2019,(5):50-60
[目的/意义]针对阻碍高校智慧图书馆对新读者进行图书个性化推荐的用户冷启动问题,提出一种面向新读者的高校图书馆个性化推荐方法,为智慧型高校图书馆开展图书个性化推荐服务、提高新读者借阅率提供切实可行的方案。[方法/过程]以北华大学图书馆借阅流通大数据进行数据挖掘,得出属性相似的新读者和已有读者具有相似借阅偏好的结论。然后,通过奇异值分解解决数据稀疏问题,采用基于欧氏距离的蚁群算法对新读者与已有读者聚类,搭建了新读者和已有读者之间关系的桥梁。最后将已有读者借阅的图书采取Top-N算法对新读者推荐。[结果/结论]以2017级读者为实验对象,选取了3个学院的44名读者,用所提出的算法进行了实验检验。实验结果表明新算法推荐效果显著,操作简单可行,为后续个性化推荐工作奠定了基础。 相似文献
14.
为了在海量信息中为用户提供有价值的信息,个性化在线推荐系统是农业信息化综合服务平台的重要组成部分。Slope One算法因简单高效被许多在线推荐系统使用。对Slope One算法进行研究,并结合农业信息化综合服务平台的特点,提出了农业信息推荐模型。该模型按资源类别把用户评分矩阵划分为评分子矩阵,在此基础上采用杰卡德统一算子距离相似度算法建立用户类别近邻用户,采用改进的双极Slope One算法和Item user average算法相结合的方式对未访问资源进行评分预测,有效降低计算量,并提高了评分预测精度,既适合稠密数据集,又适合稀疏数据集。 相似文献
15.
为了方便读者能在海量的图书资源中快速有效的找到需要的书籍,利用Map Reduce框架分块处理,结合关联分析Apriori算法,将数据挖掘技术应用到图书管理系统中。但需要多次扫描数据库和产生大量候选集,对Hadoop平台处理速度带来了巨大挑战,因此,针对传统的Apriori算法,提出基于内存计算、弹性分布式数据集处理的Spark平台为读者推荐书籍,指引读者的借阅行为。 相似文献
16.
针对在线旅游快速增长的态势，本文研究基于协同过滤的旅游景点推荐算法。通过提取在线旅游网站上游客对桂林旅游景点的评价数据，使用协同过滤算法进行旅游景点推荐。实验结果表明：协同过滤算法完全可用于旅游景点推荐。 相似文献
17.
张研 《河北北方学院学报(自然科学版)》2023,(1):10-14
传统推荐方法主要以现有数据所在范围为基础进行歌曲推荐,导致用户的满意度较低,为此,提出基于数据驱动遗传算法的自动化隐式评分歌曲推荐方法。首先将用户的历史数据作为基础矩阵,通过进行基础矩阵分解,得到用户对歌曲的隐式评分结果,采用互信息特征选择方法构建了特征选择模型,将无关特征或相似的冗余特征进行过滤,以此确保遗传算法输出的推荐结果具有更高的准确性。最后利用遗传算法中的深度神经网络模型实现对最终推荐结果的计算,将选择的特征值作为深度神经网络模型的学习驱动,对挖掘到的用户原始数据的隐式评分结果进行训练,并根据Sigmoid函数的输出结果判断歌曲是否满足推荐标准。测试结果表明,设计方法推荐结果中,用户对歌曲歌词、旋律、节奏以及情感的满意度分别达到了90.19%、90.94%、91.61%和90.89%,均明显高于对比方法。 相似文献
18.
[目的/意义]数字社区已经成为企业高效管理用户的一种方式,用户行为信息以及用户的客户生命周期价值对数字社区的用户偏好挖掘具有重要意义。且现有的数字社区研究缺乏对用户价值和未来偏好挖掘的研究。[方法/过程]针对数字社区的用户群体,本文提出基于客户生命周期价值CLV (Customer Lifetime Value,CLV)的偏好挖掘模型CLV-PM(CLV-Preference Mining,CLV-PM)。首先,为反映用户真实偏好,基于用户行为信息,借助RFM模型和K-Means++算法挖掘用户群体特征,生成用户价值类别标签;其次,为考虑用户时序性和差异性以及增强模型对偏好的认知,利用用户CLV构建用户-评分矩阵,并借助协同过滤算法挖掘用户预测偏好;最后,绘制数字社区目标用户的用户偏好画像。[结果/结论]“微信社群”管理平台的用户数据集中,可划分为重要价值用户、低价值用户、回流用户和重要挽留用户4种用户价值类别;目标用户16254为重要价值用户,采取“留存和维持”为主的运营策略;历史偏好为欢乐跳一跳、秒杀等活动,预测偏好为飞行棋大作战、猜码图等活动,目标用户偏好画像为数字社区运营和维护... 相似文献
19.
20.
作为缓解信息过载问题的主要手段,个性化推荐技术已经得到广泛的应用。随着农产品电子商务技术的发展,如何将最新的个性化推荐技术应用到农产品的推荐,促进农产品电子商务的发展,是一个非常重要的问题。本文在对电子商务推荐系统原理分析基础上,重点深入探讨了当前应用最为广泛的协同过滤推荐技术。在此基础上,针对农产品的特点,设计并实现了一个基于用户的农产品电子商务协同过滤推荐系统。为提高用户评分的积极性,系统采用一定的激励评分机制,以缓解数据稀疏性问题。系统界面简洁,操作简单,实现了对农产品的有效推荐。 相似文献