用户相似度

摘要： 为获得更加理想的电子商务推荐结果,提出一种基于协同过滤的电子商务智能推荐方法。该方法收集电子商务用户相关信息,并对信息进行预处理,计算电子商务用户对项目评分,构建电子商务用户评分矩阵,采用余弦算法根据用户评分矩阵计算用户之间的相性度,基于用户相似度进行电子商务智能推荐。为了与其他方法进行比较,开展仿真实验。实验结果表明,提出的方法较好地解决了当前电子商务推荐方法存在的缺陷,提高了电子商务推荐精度,减少了电子商务推荐的错误率,具有明显的优越性。

摘要： 协同过滤推荐算法是个性化推荐系统中最常用的方法之一,其中相似度计算直接影响基于内存的协同过滤推荐算法的推荐质量.针对协同过滤推荐算法中传统的用户间相似度计算方法仅考虑共同评分项评分数值上的差异导致难以准确衡量非偏好评分场景中用户间相似度的问题,本文提出一种基于余弦相似度并融合评分相对差异的用户间相似度计算方法.该方法考虑评分规模上的差异,计算评分相对相似度并且引入放大系数,在非偏好评分的场景下可以更加准确地区分用户间差异.在真实的数据集上完成对比实验分析,结果表明在非偏好评分场景下,所提方法相较于对比方法能降低预测误差,提高推荐质量.

摘要： 本文针对学生的个性化在线学习需求,基于部署在云平台中的海量学习资源提出了基于协同过滤算法的双维度学习资源智能推荐方案,以协同过滤算法为核心从用户相似度与课程相似度两个方面在云平台中发掘潜在的能够满足个性化学习需求的资源并向学生用户自动推送,有效提升云平台中学习资源的利用率。

摘要： 由于用户的评分数据过于稀疏,使得现有的一些基于矩阵分解的用户评分预测算法计算出的用户评分预测偏差过大,预测准确率无法进一步提升。在这个问题上,最常使用的解决办法是加入用户的社交网络数据,这些方法利用用户之间的社交信息来关联用户,根据用户好友的数据来增加用户的预测准确率。大多数情况下用户的社交网络数据不是很容易获得。在没有使用用户社交网络数据的基础上,针对推荐系统的用户评分预测中常用的概率矩阵分解模型准确性的问题,提出利用融合标签和用户聚类类别信息对原有的概率矩阵分解模型添加约束,进而减小预测结果的误差。仿真结果表明,增加用户聚类与电影标签数据能有效减小算法预测误差。

摘要： 由于目前高校图书馆的个性化推荐效果不佳,研究协同过滤算法在高校图书馆个性化推荐中的应用。通过用户信息数据获取与显示,补全修正不完整数据。基于协同过滤处理数据,将隐式反馈转化为对图书资源类别的显式评分。用户与图书相似度定义及描述,利用不同关键词信息构成向量空间,计算相似度。建立高校图书馆个性化推荐模型,整合各模块功能实现个性化推荐。在实验论证分析中,文章方法在纵向推荐和横线推荐中均具有较高的查准率,满足高校图书馆对个性化推荐的应用要求,文章算法性能与传统算法性能对比,传统算法的平均绝对误差均高于文章算法,说明文章算法具有有效性。

摘要： 推荐系统是针对如今信息过载现象的一种极为有效的方法,而协同过滤算法自提出以来就在推荐系统中得到了广泛的应用,但是这种方法也存在着推荐精度不高、难以处理稀疏数据等缺点.对此提出一种结合类别偏好的协同过滤推荐算法.在原算法计算用户相似度的基础上,结合用户类别偏好的相似度来计算近邻,从而得到推荐结果.实验结果表明,该方法能较为有效地结合用户的类别偏好,与传统的协同过滤算法相比,有更好的推荐效果.

摘要： 作为一种基于项目的协同过滤推荐算法,Slope One算法易于实现且高效.但由于Slope One算法未考虑用户相似性,导致其在处理涉及用户关系的个性化推荐任务时性能不高.针对以上问题,提出了改进的Slope One算法.提出一种均衡接近度灰关联分析方法计算用户之间的均衡接近度,利用均衡接近度度量用户间的相似程度,然后将均衡接近度值融入到Slope One算法中进行评分预测,在MovieLens和Epinions数据集下的对比实验表明,该算法具有更低的平均绝对误差(MAE)和均方根误差(RMSE),提高了预测的准确度和推荐质量.

摘要： 针对现有的好友推荐算法在好友关系刻画上丢失重要信息的现状,受用户对物品认知行为的启发,文中提出基于认知度与兴趣度的好友推荐反馈算法,使用混合相似度研究网络好友关系,探索在线社交网络中的交友问题.针对好友推荐过程中"开环"的问题,提出基于历史推荐信息的正负反馈优化调整策略,使用用户相似度修正公式研究好友反馈动态推荐,证明好友推荐是一个逐步修正的复杂过程,揭示在线社交网络中好友关系刻画的心理学认知问题和推荐的动态变化问题.实验表明,文中算法提高推荐质量,实现用户相似度矩阵的动态调整,在准确率、召回率、鲁棒性、可扩展性等方面性能较优.

摘要： 为解决传统社区发现算法难适用于大型复杂异质的移动网络的问题,利用移动网络使用详单数据(Usage Detail Record,UDR)和移动用户社交数据构建网络模型,提出一种融合多维信息的移动社区发现方法BNMF-NF.该方法综合考虑用户社交关系和时空行为,给出用户社交相似度、位置分布相似度和主题偏好相似度,利用加权网络融合方法融合多维相似关系构建用户相似网络,并运用有界非负矩阵分解技术实现社区结构的检测.在Foursquare和电信数据集上的实验结果表明,BNMF-NF方法能够有效发现移动网络中用户社区结构.

摘要： 随着科技的发展以及信息化时代的到来,网络数据已由单一性向着复杂性、全面性转变,在大量冗余信息中提炼出有用数据,并进行精准推荐,解决信息过载问题是研究的重点.传统的协同过滤算法,通过研究相似用户的兴趣偏好进行相似性计算,忽略了时间因素以及项目属性对用户的影响,进而造成数据的稀疏性;且当引入新项目时无法及时的进行推荐,导致冷启动问题的产生,可扩展性不足.针对这种情况在已有过滤算法的模型上,引入新的相似性度量方法,将项目属性与用户评分信息进行融合并加入自适应平衡因子,对项目的相似性进行综合评判,进而实现精准推荐.通过实验仿真可知,改进算法可以较好地解决传统推荐系统的冷启动以及数据稀疏性等问题,具有一定鲁棒性,且不需要对噪声权重进行设置.

摘要： 针对医疗资源分布失衡,医疗资源不能合理利用的问题,提出建立虚拟医疗社区的思路,并提出了一种基于医学主题词表的用户相似度计算方法.通过虚拟医疗社区的平台,用户可以进行信息咨询以及进行相互交流,介绍与总结经验和教训,合理选择医疗机构,通过避免就医过程中的盲目性,从而实现医疗资源合理分配与有效利用.

摘要： 为了提高用户相似度计算的精度和知识推送的准确度,提出了一种基于灰色关联分析和遗忘函数的混合知识推送算法.该算法首先引入灰色关联度来计算用户相似度,可以解决用户相似度可分辨性问题和数据稀疏性问题;其次将遗忘函数引入到协同过滤算法中,对于用户兴趣漂移问题能够得到有效解决;最后将灰色关联相似度和传统相似度相结合,形成混合相似度,利用混合相似度的大小加权预测未评分知识项.实验结果表明,混合推送算法比传统的协同过滤算法在推送准确度上有明显提高.

摘要： 在协同过滤推荐技术中,相似度的计算是关键,对整个推荐系统的质量起着决定作用.传统协同过滤算法在计算用户相似度时对流行度不同的物品及用户不同时间的兴趣都同等对待.考虑到这两个因素的影响,提出了一种改进算法.实验结果表明,该方法能够提高推荐系统的性能.

摘要： 本发明提供一种基于用户名相似度的跨网站用户关联方法，步骤包括：1)对多个用户名中的字符进行过滤，仅保留英文字母和数字；2)找出上述处理过的用户名的特征，并获取该特征的自信息值，根据该自信息值得到自信息向量；3)根据上述自信息向量，得到所述多个用户名间的相似度，如果该相似度大于给定的阈值τ，则判断所述多个用户名属于同一用户。本方法通过多个用户名间的相似度来判断其是否属于同一用户，对属于同一用户的不同网站上的账户可实现关联。

摘要： 本发明涉及用户问句系统技术领域，且公开了一种用于处理语义相似度、语序相似度的用户问句混合系统，包括以下步骤：1)接收客户的语音数据，处理客户语音数据，读取用户语句内容；2)根据用户语句内容，拆分出用户语句中的词语、句子以及段落；3)先对客户语音中的词语进行相似度对比，获知客户语音中词语的语义相似度。本发明的优点在于：通过对比语义相似度与语序相似度识别客户语句表达的意思，未能识别则重新拆分用户语句中的词语、句子以及段落进行语义相似度与语序相似度计算，能够对用户意图的识别更加准确，且通过词语，句子与段落的层层套入识别，可以提高识别效率与识别准确性，通过拆分出用户语句中的词语、句子以及段落，逐步分析计算，可以得到更加精准的用户意图。

摘要： 相似度计算装置(200)参照存储部，该存储部分别存储与多个第一媒体数据对应的二值化的第一代码。相似度计算装置(200)基于对与第二媒体数据对应的特征向量进行二值化而得到的第二代码被转换为第一代码的概率，分别计算第二媒体数据与各第一媒体数据之间的相似度。

摘要： 提供一种图像相似度计算系统，产生编辑图像和原始图像之间的图像相似度的较大值。局部区域权重计算装置14根据编辑图像中的每一个局部区域的概率，来计算图像中的每一个局部区域的权重值，作为局部区域权重值。局部区域权重计算装置14将所计算的局部区域权重值输出到图像相似度计算装置122。小区域相似度计算装置121将通过分割查询图像得到的每一个小区域的特征量与通过分割参考图像得到的每一个小区域的特征量进行比较。小区域相似度计算装置121计算针对各个小区域的特征量的相似度。图像相似度计算装置122通过将基于小区域的权重值应用于计算出的相似度来计算查询图像和参考图像之间的图像相似度。该权重值是从局部区域权重计算装置14中提供的局部区域权重值中得到的。

摘要： 本发明具备：单词提取部(11)，其对m个文本进行分析并提取n个单词；向量计算部(12)，其通过使m个文本和n个单词分别在q个维度上向量化，从而计算由q个轴分量构成的m个文本向量和由q个轴分量构成的n个单词向量；以及指标值计算部(13)，其通过分别获取m个文本向量和n个单词向量的内积而计算反映m个文本和n个单词之间的关联度的相似度指标值；通过计算根据文本而算出的文本向量和根据文本内包含的单词而算出的单词向量的内积，能够得到以内积值的形式表示哪个单词对哪个文本具有何等程度的贡献的相似度评价值。

摘要： 本发明提供一种基于用户名相似度的跨网站用户关联方法，步骤包括：1)对多个用户名中的字符进行过滤，仅保留英文字母和数字；2)找出上述处理过的用户名的特征，并获取该特征的自信息值，根据该自信息值得到自信息向量；3)根据上述自信息向量，得到所述多个用户名间的相似度，如果该相似度大于给定的阈值τ，则判断所述多个用户名属于同一用户。本方法通过多个用户名间的相似度来判断其是否属于同一用户，对属于同一用户的不同网站上的账户可实现关联。

摘要： 本发明实施例公开了一种基于用户偏好的用户相似度计算方法、装置、设备及介质，所述方法包括：确定两个用户在设定时间段内观看的共同直播间集合；分别计算所述两个用户中的每个用户对所述共同直播间集合中每个直播间的喜爱度；基于每个用户对所述共同直播间集合中每个直播间的喜爱度计算所述两个用户之间的偏好差异度；根据所述两个用户之间的偏好差异度结合所述共同直播间集合以及所述两个用户在设定时间段内观看的直播间并集计算所述两个用户之间的相似度。通过采用上述技术方案，可以提高用户相似度的计算准确度，从而实现个性化推荐。

摘要： 本发明提供了一种获取用户相似度的方法、装置及用户推荐方法、系统，本发明根据收听(follow)关系确定用户间的相似度，保证了相似用户与请求的用户的高相似度，提高了查找相似用户的准确度。本发明用户推荐方法中推荐的用户与请求用户的相似度，是通过用户的follow关系获得的，保证了相似用户与请求的用户的高相似度，因此，提高了用户推荐系统中推荐相似用户的准确性。

摘要： 本发明实施例公开了一种基于用户偏好的用户相似度计算方法、装置、设备及介质，所述方法包括：确定两个用户在设定时间段内观看的共同直播间集合；分别计算所述两个用户中的每个用户对所述共同直播间集合中每个直播间的喜爱度；基于每个用户对所述共同直播间集合中每个直播间的喜爱度计算所述两个用户之间的偏好差异度；根据所述两个用户之间的偏好差异度结合所述共同直播间集合以及所述两个用户在设定时间段内观看的直播间并集计算所述两个用户之间的相似度。通过采用上述技术方案，可以提高用户相似度的计算准确度，从而实现个性化推荐。

摘要： 本发明提供了一种获取用户相似度的方法、装置及用户推荐方法、系统，本发明根据收听(follow)关系确定用户间的相似度，保证了相似用户与请求的用户的高相似度，提高了查找相似用户的准确度。本发明用户推荐方法中推荐的用户与请求用户的相似度，是通过用户的follow关系获得的，保证了相似用户与请求的用户的高相似度，因此，提高了用户推荐系统中推荐相似用户的准确性。