协作过滤

摘要： 信息技术的飞速发展带来了信息爆炸问题,为有效解决军事信息的精准服务问题,首先分析了军内外目前可行解决方法,分别从用户建模技术、对象建模技术和推荐算法方面进行了详细的可行性技术分析.针对军事用户的特点,提出了一种基于ISM(Interpretative Structural Modeling Method)方法的军事文本信息智能推荐技术.并采用分层思想,对推荐系统进行了架构设计.最后,以美军"沙漠风暴"军事文本内容推荐为例,构建了军事用户角色的特征层次模型,实现了情报信息的智能推荐,解决了新用户推荐的"冷启动"问题.实验结果验证了提出的智能推荐算法,同时表明,面向军事信息服务的智能推荐技术具有很广阔的应用前景和现实意义.

摘要： 电子商务的快速增长导致产品过多,而网络上的客户对他们所接触的产品很难取舍.为了解决此问题,各种推荐方法应运而生.协作过滤(CF)是其中最成功的推荐方法,其被广泛应用于电子商务中,然而这种方法的稀疏性和可扩展性可能导致推荐的结果较差.提出了一种基于Web使用挖掘和产品分类的推荐方法,以提高当前基于CF方法的推荐系统的推荐质量和系统性能.Web使用挖掘通过跟踪客户在Web上的购物行为来填充评级数据库,从而产生质量更好的建议.产品分类法用于通过评级数据库的降维来提高搜索最近邻居时的性能.对实际电子商务数据的几项实验表明,与其他CF方法相比,所提出的方法提供了更高质量的建议和更好的性能.

摘要： 随着网络技术的发展和推广,电子商务得到长足的进展,逐步成为消费者购物以及浏览产品的主要模式.虽然电子商务体系带来了商品购置的便利,但使用者往往产生"商品迷航"的状况.基于此,本文采用调查问卷的方式设计了多Agent技术下的电子商务个性化推荐模型并完成用户感知研究,首先完成个性化推荐模型架构和各部分设计,研究内容用户相似度、协作过滤物品多Agent推荐思想和隐性反馈分析,进而采用设置假定,结合信度、参量、聚类解析完成.研究表明本文设计的电子商务个性化推荐模型能够较好地为使用者进行个性化推荐.

摘要： 协作过滤推荐算法是推荐系统中应用最广泛的算法之一.通过分析传统协作过滤算法中由数据稀疏性导致的推荐精度不高的问题,在基于专家信任的协作过滤推荐算法的基础上,提出了一种综合用户特征及专家信任的协作过滤推荐算法.该算法分析了用户的不同特征,比较了用户与专家的相似度,通过计算用户-专家相似度矩阵,有效降低了数据集的稀疏性,提高了预测的准确性.在MovieLens数据集上的实验结果表明,改进的算法能够有效缓解冷启动问题,明显提高了系统的推荐精度.%Collaborative filtering recommendation algorithm is one of the most widely used algorithms in recommender system.After analyzing the low precision problem caused by sparse data in conventional collaboration filtering algorithms,this paper proposed an collaboration filtering algorithm which integrates user characteristics and expert opinions.The algorithm analyzes user characteristics,compares the sirnilarity between users and experts,and then calculates the similarity matrix.Our algorithm reduces the sparsity of dataset and improves the accuracy of prediction.Our experimental results based on the MovieLens dataset show that,by using our algorithm,performance on the cold start problem and relevant accuracy of recommendation has greatly improved.

摘要： 为进一步解决基于用户的协作过滤技术的扩展性问题,利用基因表达式编程(GEP)的并行性优势,与已有的串行聚类DBSCAN算法进行融合,使得串行程序并行化,提出了一种GEP-DBSCAN协作过滤聚类算法来寻找最近邻居,改进基于密度的协作过滤方法,实验证明了算法的有效性以及提高了时间效率.%To address the expansibility problem of collaborative filtering technology based on users , the GEP-DBSCAN algorithm for collaborative filtering clustering was proposed .It is key to fuse the parallelism of gene expression programming and the advantages of the DBSCAN algorithm .The new algorithm makes serial programs parallelized and can be used to find the nearest neighbors .It improves collaborative filtering method based on the density .The experimental results show that the GEP-DBSCAN algorithm is effective and can increase time efficiency .

摘要： 个性化推荐算法是解决社交网络中信息过载问题的一种有效方法,已成为社交网络中的研究热点.协作过滤算法是被广泛应用的个性化推荐算法,但由于未考虑社交网络的一些重要社交信息及数据稀疏问题,故其在解决社交网络的推荐问题时推荐效果不佳.为此,提出一个基于用户信任度和社会相似度的协作过滤算法.首先根据用户-项目矩阵计算用户相似度,然后通过社交网络计算用户信任度和社会相似度并将三者融合,最后根据融合后的值形成最近邻集,并据此产生推荐结果.经实验分析,文中提出的算法较其他算法在解决社交网络的推荐问题时有更高的推荐精度.

摘要： 针对传统协作过滤推荐算法在相似性度量环节所存在的不足之处,提出一种利用属性重心剖分模型的时间调整协作过滤推荐算法,通过对项目属性矩阵填充用户所在群体所对应的普遍评分值,进而对用户一项目评分矩阵填充评分预测值,再在填充后的用户一项目评分矩阵的基础上,利用属性重心剖分模型度量出初步相似性,并结合传统相似性,得出复合相似性,最后对复合相似性进行时间维度调整,得到最终的相似性.仿真实验结果表明,与传统的协作过滤推荐算法相比,该算法可以获得更高的推荐精准度,并能够很好地适应于数据集极度稀疏、冷启动、用户兴趣漂移等特殊情形.

摘要： 在综合用户特征和项目属性的协作过滤推荐算法的基础上,提出了一种改进的基于综合用户特征和项目属性的协作过滤推荐算法,分析不同用户群体对不同项目属性的普遍评分,并结合已评分的项目属性,预测未评分项目.仿真结果表明,改进算法比原算法具有更高的推荐精准度,并进一步降低数据集的稀疏性和缓解冷启动问题.

摘要： 针对现有协同过滤算法具有的可扩展性较低、数据稀疏和计算量较大缺点,提出一种基于SVD矩阵分解技术和RkNN算法的协同过滤推荐算法.本算法经SVD矩阵简化处理和kNN和RkNN的协作过滤,增强了用户的影响集,实现了测试集的未知预测评分功能.经仿真实验表明,稀疏性、可扩展性和计算量都得到有效改善,系统预测评分与用户实际评分接近,为用户提供了良好的使用体验.该算法获得了更好的预测性能,同时具有良好的可扩展性.

摘要： 在海量网络资源中，用户为了寻找喜欢的视频往往需要进行频繁操作，个性化推荐服务可以有效解决该问题，但当前推荐服务准确度较低，为此，提出一种基于协作过滤的改进推荐方法。根据相似用户群，即邻居集的点播记录确定当前用户的推荐电影子集，挖掘当前用户的喜好，建立兴趣模型，并与推荐子集中的电影进行匹配，按匹配度高低进行推荐。对推荐电影子集进行分类，以适应家庭中多用户观看的情况。另外在系统运行初期采用相似影片的推荐以一定程度地缓解冷启动问题。实验结果表明，与现有协作过滤算法相比，改进推荐方法的推荐准确度有明显提高。%Users looking for a favorite video in vast amounts of network resources often need frequent operating, and personalized recommendation service can be an effective solution to this problem. Against the current lower recommendation accuracy, this paper presents an improved recommendation method based on collaborative filtering. It determines a movies subset that is recommended according to the past records of similar users namely neighbors set. Then it mines the preferences of current user, establishes the interest model of current user, and matches with the movies to recommend. Recommendation is in accordance with the level of matching degree. Afterwards, it classifies the film sets that are recommended to adapt to multi-user viewing in families. Additionally, it recommends similar films in the system early running to solve the cold-start problem in a certain degree. Experimental results show that the improved recommended method has distinct higher recommendation accuracy than the existing collaborative filtering algorithm.

摘要： Web信息的日益增长,人们发现在浩瀚的Web信息资源中查找和发现用户感兴趣的信息成为一件非常耗时耗力的事情,因而出现了"信息过载"和"信息迷向"的问题.个性化推荐(personalized-recommendation)技术通过研究不同用户的兴趣,主动为用户推荐最需要的资源,从而更好地解决互联网信息日益庞大与用户需求之间的矛盾.目前,出现了许多个性化推荐系统. 用户使用个性化推荐系统希望得到满意的资源,如果系统推荐的资源在很大程度上偏离了用户的需求,用户将放弃使用该系统.用户对个性化推荐系统的满意度很大程度上取决于个性化推荐算法的质量和效率. 本文针对现有协作过滤算法没有考虑用户的权威性问题,提出全局权威性和领域权威性的概念,并把两者跟传统的协作过滤算法结合起来. 经过实验分析,本文发现基于全局权威性的协作过滤算法和传统的协作过滤算法比较改进效果不明显.但先对资源进行分类后再考虑领域内的权威性的协作过滤算法比传统的协作过滤算法有比较明显的改进。

摘要： 本文对信息过滤中主要用到的基于内容过滤、基于协作过滤和混合过滤三种模型的优缺点进行了分析和比较,重点阐述了国内外关于信息过滤技术的实现方法和技术路线.

摘要： 随着国际互联网信息的日益增长，从网络上检索用户真正想要的信息已越来越困难。在这种形势下，从用户主动检索网络发展为网络主动向用户推荐资源逐渐成为一种趋势，随之个性化服务应运而生。本文研究了个性化服务的关键技术及面临的挑战，并针对信息检索系统的个性化服务的需求，提出了一个适合可定制领域的信息检索系统的个性化服务算法CCFS。该算法通过分析系统自动生成的网络日志，充分利用用户行为信息、资源分类信息、被访问资源与分类的相关度、资源受关注程度，以及用户权威度等有价值的信息计算用户对资源的评价值，将用户进行聚类。接着在聚类内部计算用户之间的可参考度，并将其作为资源推荐的依据。经实验证明，该算法能在一定程度上减少个性化服务过程中错误数据的干扰，提高个性化服务的效率。目前，该算法已经应用于基于 Ontology 的网络数据搜索引擎 SESQ，为用户提供了多种方式的个性化服务。

摘要： 随着国际互联网信息的日益增长，从网络上检索用户真正想要的信息已越来越困难。在这种形势下，从用户主动检索网络发展为网络主动向用户推荐资源逐渐成为一种趋势，随之个性化服务应运而生。本文研究了个性化服务的关键技术及面临的挑战，并针对信息检索系统的个性化服务的需求，提出了一个适合可定制领域的信息检索系统的个性化服务算法CCFS。该算法通过分析系统自动生成的网络日志，充分利用用户行为信息、资源分类信息、被访问资源与分类的相关度、资源受关注程度，以及用户权威度等有价值的信息计算用户对资源的评价值，将用户进行聚类。接着在聚类内部计算用户之间的可参考度，并将其作为资源推荐的依据。经实验证明，该算法能在一定程度上减少个性化服务过程中错误数据的干扰，提高个性化服务的效率。目前，该算法已经应用于基于 Ontology 的网络数据搜索引擎 SESQ，为用户提供了多种方式的个性化服务。

摘要： 随着国际互联网信息的日益增长，从网络上检索用户真正想要的信息已越来越困难。在这种形势下，从用户主动检索网络发展为网络主动向用户推荐资源逐渐成为一种趋势，随之个性化服务应运而生。本文研究了个性化服务的关键技术及面临的挑战，并针对信息检索系统的个性化服务的需求，提出了一个适合可定制领域的信息检索系统的个性化服务算法CCFS。该算法通过分析系统自动生成的网络日志，充分利用用户行为信息、资源分类信息、被访问资源与分类的相关度、资源受关注程度，以及用户权威度等有价值的信息计算用户对资源的评价值，将用户进行聚类。接着在聚类内部计算用户之间的可参考度，并将其作为资源推荐的依据。经实验证明，该算法能在一定程度上减少个性化服务过程中错误数据的干扰，提高个性化服务的效率。目前，该算法已经应用于基于 Ontology 的网络数据搜索引擎 SESQ，为用户提供了多种方式的个性化服务。

摘要： 随着国际互联网信息的日益增长，从网络上检索用户真正想要的信息已越来越困难。在这种形势下，从用户主动检索网络发展为网络主动向用户推荐资源逐渐成为一种趋势，随之个性化服务应运而生。本文研究了个性化服务的关键技术及面临的挑战，并针对信息检索系统的个性化服务的需求，提出了一个适合可定制领域的信息检索系统的个性化服务算法CCFS。该算法通过分析系统自动生成的网络日志，充分利用用户行为信息、资源分类信息、被访问资源与分类的相关度、资源受关注程度，以及用户权威度等有价值的信息计算用户对资源的评价值，将用户进行聚类。接着在聚类内部计算用户之间的可参考度，并将其作为资源推荐的依据。经实验证明，该算法能在一定程度上减少个性化服务过程中错误数据的干扰，提高个性化服务的效率。目前，该算法已经应用于基于 Ontology 的网络数据搜索引擎 SESQ，为用户提供了多种方式的个性化服务。

摘要： 用于查看云计算服务上存储的协作电子表格上的过滤器的系统和方法包括从多个客户端计算机中的每个客户端计算机访问云计算服务上存储的电子表格的第一工作表，其中多个过滤器与第一工作表相关联。多个客户端计算机中的第一客户端计算机接收第一用户的向第一工作表应用多个过滤器中的第一过滤器的命令，并且向第一客户端计算机上的第一工作表应用该第一过滤器。向第一用户显示经过滤的第一工作表，并且多个客户端计算机中的第二客户端计算机并发地显示未过滤的第一工作表。

摘要： 用于查看云计算服务上存储的协作电子表格上的过滤器的系统和方法包括从多个客户端计算机中的每个客户端计算机访问云计算服务上存储的电子表格的第一工作表，其中多个过滤器与第一工作表相关联。多个客户端计算机中的第一客户端计算机接收第一用户的向第一工作表应用多个过滤器中的第一过滤器的命令，并且向第一客户端计算机上的第一工作表应用该第一过滤器。向第一用户显示经过滤的第一工作表，并且多个客户端计算机中的第二客户端计算机并发地显示未过滤的第一工作表。

摘要： 推荐系统使用预测用户对在线系统中的项的偏好的一个或多个神经网络模型来为在线系统生成推荐。神经网络模型生成用户和项的隐表示，其可以被组合以确定用户对项的预期偏好。通过使用神经网络模型，推荐系统可以实时生成针对新用户和项的预测，而无需重新校准模型。此外，推荐系统可以容易地并入除了偏好信息之外的其他形式的信息，以通过包括附加信息来生成用户或项的隐描述从而生成改进的偏好预测。

摘要： 用于查看云计算服务上存储的协作电子表格上的过滤器的系统和方法包括从多个客户端计算机中的每个客户端计算机访问云计算服务上存储的电子表格的第一工作表，其中多个过滤器与第一工作表相关联。多个客户端计算机中的第一客户端计算机接收第一用户的向第一工作表应用多个过滤器中的第一过滤器的命令，并且向第一客户端计算机上的第一工作表应用该第一过滤器。向第一用户显示经过滤的第一工作表，并且多个客户端计算机中的第二客户端计算机并发地显示未过滤的第一工作表。

摘要： 用于查看云计算服务上存储的协作电子表格上的过滤器的系统和方法包括从多个客户端计算机中的每个客户端计算机访问云计算服务上存储的电子表格的第一工作表，其中多个过滤器与第一工作表相关联。多个客户端计算机中的第一客户端计算机接收第一用户的向第一工作表应用多个过滤器中的第一过滤器的命令，并且向第一客户端计算机上的第一工作表应用该第一过滤器。向第一用户显示经过滤的第一工作表，并且多个客户端计算机中的第二客户端计算机并发地显示未过滤的第一工作表。

摘要： 推荐系统使用预测用户对在线系统中的项的偏好的一个或多个神经网络模型来为在线系统生成推荐。神经网络模型生成用户和项的隐表示，其可以被组合以确定用户对项的预期偏好。通过使用神经网络模型，推荐系统可以实时生成针对新用户和项的预测，而无需重新校准模型。此外，推荐系统可以容易地并入除了偏好信息之外的其他形式的信息，以通过包括附加信息来生成用户或项的隐描述从而生成改进的偏好预测。

摘要： 本发明公开了一种引入视频流行度和用户兴趣变化的协作过滤推荐方法，通过采集用户行为数据进行处理得到用户-视频二进制关联矩阵，基于该矩阵得到视频流行度权重和用户兴趣度权重，并引入到用户相似度计算过程中；然后找到与目标用户相似度最大的前K个邻居，通过与邻居用户的相似度大小预测目标用户对未产生有效行为视频的兴趣值；最后选取兴趣值最大的N个视频形成推荐列表为用户做出个性化推荐。本发明充分考虑了系统中视频的流行程度各异和用户兴趣随时间变化的特性，更加符合客观事实，使得用户相似度计算更精确，提高了协作过滤推荐的质量，为视频用户提供适应用户兴趣的个性化视频推荐。

摘要： 可大规模缩放的、基于记忆和基于模型的技术是用于实际的大规模协作过滤的重要方法。我们描述了可大规模缩放的、基于模型的推荐器系统和方法，其通过显性地并入这些类型的用户和项目知识来扩展协作过滤技术。此外，我们在模型中扩展了用于学习条件概率的期望最大化算法以相关地适应时变训练数据。

摘要： 本发明提供了一种基于逆邻分析的协作过滤推荐系统及方法，所述系统包括依次连接的用户信息记录器、用户信息存储模块、逆邻分析器和推荐产生器，逆邻分析器包括项目相似度计算模块、项目相似度分析模块、最近邻产生模块和逆最近邻产生模块，项目相似度计算模块分别与用户信息存储模块、项目相似度分析模块连接，项目相似度分析模块分别与最近邻产生模块、逆最近邻产生模块连接，最近邻产生模块、逆最近邻产生模块分别与推荐产生器连接。所述方法包括步骤：记录已有评分信息；保存评分信息，建立用户-项目评分矩阵；逆邻分析；对该目标项目的预测评分；生成推荐列表；完成项目的推荐。本发明显著提高推荐系统的推荐质量。

摘要： 一种因恶意活动而抵抗力低的机器通过标识在网络的实体上所开放的异常端口而被检测。异常端口使用网络上的实体的开放端口使用从正常网络业务得出的使用模式通过协作过滤被检测。协作过滤利用交替最小二乘法采用奇异值分解来生成推荐分数，推荐分数标识具有新开放端口的实体是否可能被用于恶意活动。