共查询到20条相似文献，搜索用时 15 毫秒
1.
由于农业本身季节性强的特点,推荐系统的实时性对农业电子商务网站至关重要。然而传统的协同过滤推荐技术不可避免地存在时效性差的问题。针对这一问题,本文分别从用户对商品的浏览时间及浏览频率两个方面追踪用户兴趣的变化,提出了浏览时间权重和浏览率权重,进而设计用户兴趣权重。将反映用户兴趣的权重值引入传统的协同过滤推荐技术中,得到新的加权计算用户相似度的计算方法,使推荐结果可以随着用户兴趣的迁移而改变。实验结果证明,该方法大大提高了推荐结果的准确性。 相似文献
2.
张磊 《河北北方学院学报(自然科学版)》2022,38(1):21-26
目的 针对传统的网络信息资源个性化推荐方法 存在推荐效果不佳的问题,提出基于情景感知技术设计网络信息资源个性化推荐方法 .方法 以网络信息资源数据集的接触频率为切入点,挖掘用户行为模式,提取网络信息资源社会关系,匹配用户兴趣偏好,根据偏好数据,计算环境情景和社会关系情景间的用户综合情景相似度,基于情景感知,生成用户偏好... 相似文献
3.
4.
Last.FM，MovieLens等在线服务一个重要的特征是用户能手动使用标签标注对象，很多研究人员使用标签改进推荐质量.但是，标签是一个用户对对象的局部描述，不同的用户可能使用不同的标签来描述同一个对象，但表达同样的意义，这导致了单纯的使用标签进行推荐所达到的效果不理想.因此，本文首先根据标签共生分布计算标签相似度，然后根据相似度分组同义标签，最后通过组标签计算用户的相似度，将其混合到经典的协同过滤推荐算法中.实验结果表明，该方法能有效地改进现有的推荐算法，达到更好的推荐效果. 相似文献
5.
随着高校图书馆大数据时代的到来,读者有时很难找到自己喜欢的图书,会造成图书资源的浪费。针对这种情况,本文研究了基于用户分类的协同过滤算法在高校图书推荐中的应用,其中涉及读者分类、用户-项目评分矩阵的建立、向量空间模型的构建以及用户间相似度的计算,并考虑了高校图书和读者的特点,对用户-项目评分矩阵进行了改进,缓解了数据稀疏问题。研究结果表明,基于用户分类的协同过滤算法比传统的协同过滤算法计算复杂度低,在一定程度上优于传统的协同过滤算法。 相似文献
6.
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
7.
《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
8.
9.
方逵 《湖南农业大学学报(自然科学版)》2013,39(6):683-687
针对专门的农业知识库，使用基于内容过滤的推荐方法，建立了农民用户兴趣模型和文档特征模型。在用户兴趣模型和文档特征模型中，针对特征项在不同表空间的分布情况，以及HTML文档结构对特征项权重的影响，通过改进传统特征项提取算法，提高了推荐模型的精度。结果表明，随着用户数的增加，农业信息推荐模型的查准率和查全率不断加大，说明模型的精确度不断提高。 相似文献
10.
为了有效地提升海量文献信息检索过程中的用户个性化满足程度,该文设计了一个全新的个性化推荐系统.在这个系统中,核心算法是基于深度神经网络的个性化推荐方法.此方法构建的深度神经网络,包含了嵌入层、编码层、个性化特征融合层、解码层4个层次,从而准确地反应用户的个性化需求并完成查询推荐.以基于DNN网络的文献检索方法、基于Segnet网络的文献检索方法、基于Seq2Seq网络的文献检索方法为对比算法,针对计算机、通信、机械、电气、建筑、历史、政治、经济、数学、英语10类文献数据进行查询推荐实验,比较4种方法检索结果与用户需求的吻合程度.实验结果表明:该文提出的基于深度神经网络的检索方法,其检索结果的用户个性化需求吻合度高于其他3种方法近10个百分点,对于英语类文献检索结果的个性化需求吻合度,甚至达到了90.2%,这充分说明了该文提出的检索方法和构建的个性化推荐系统有效. 相似文献
11.
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
12.
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
13.
随着互联网的发展,农产品在电子商务市场的竞争也愈演愈烈,用户无法从众多的农产品信息中找到适合自身的偏好。针对这一问题,本研究旨在分析农产品特征的本体知识的语义检索,构建农产品的具体特征知识体系,并深入解析用户标签的构建、用户画像刻画的维度与场景,在此基础上归纳用户标签、用户场景画像对于农产品特征因子的结合关联。考虑通过采集用户行为及运用活标签,提出基于协同过滤改进TF-IDF计算权重权值;注重用户兴趣偏好推荐算法的对农产品特征混合推荐系统框架进行设计,过滤出用户、物品的隐含关联内容,召回用户偏好的农产品,再以逻辑回归法LR推荐的农产品的特征排序,从而推荐给用户Top N的农产品。该算法融入农产品特征知识本体,结合内容与矩阵分解的混合推荐方法,以达到在最短时间内为消费者推荐更精准的农产品,为进一步深化促进农村第一产业的竞争力和效益、增加农户收入、扩大农产品信息化领域发展提供具有重要意义的应用借鉴。 相似文献
14.
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
15.
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
16.
田海梅 《金陵科技学院学报》2022,(1):21-25
推荐系统可以主动帮助用户找到符合偏好的个性化物品并推荐给用户,矩阵分解方法是推荐系统中较为经典的方法.为了解决推荐系统矩阵分解中数据稀疏导致矩阵分解性能不佳的问题,提出了对矩阵分解进行改进的方法.首先对矩阵分解进行改进,然后在改进的矩阵分解的基础上融合项目本身潜在的附加信息,最后通过引入项目之间的相似度来进行计算,从而... 相似文献
17.
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
18.
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
19.
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
20.
《山东省农业管理干部学院学报》2019,(6):28-29
现今家庭数字化已经是大势所趋,网络信息技术也已然融入到了我国的千家万户中,进而推进大数据时代的到来。在当今时代背景下,如何在海量的信息中为用户筛选出具有个性化、智能化的数据不仅是当前推荐系统所要攻克的重要难题,实质也是其发展机遇。智能推荐系统兴起不久,乃是一项新兴科技,该类系统能够智能化地分析用户的个人信息、行为偏好与社会关系等因素,并有效为用户推荐出合适的数据。鉴于此,本文将基于协同信息筛选技术,并结合个性化数据挖掘技术,构建研究一个智能推荐系统,相信对于智能推荐系统的进一步普及与发展具有一定积极作用。 相似文献