协作过滤
协作过滤的相关文献在1996年到2022年内共计107篇,主要集中在自动化技术、计算机技术、信息与知识传播、科学、科学研究
等领域,其中期刊论文82篇、会议论文3篇、专利文献237209篇;相关期刊55种,包括情报学报、情报杂志、中国图书馆学报等;
相关会议3种,包括第十届全球华人计算机教育应用会议、第二十三届中国数据库学术会议(NDBC2006)、2005中国计算机大会等;协作过滤的相关文献由198位作者贡献,包括邢春晓、任磊、纪良浩等。
协作过滤—发文量
专利文献>
论文:237209篇
占比:99.96%
总计:237294篇
协作过滤
-研究学者
- 邢春晓
- 任磊
- 纪良浩
- 夏薇薇
- 张勇
- 王国胤
- 贺樑
- 陈健
- 何克勤
- 杨燕
- 陈永平
- 顾君忠
- 马天龙
- 吴发青
- 白丽君
- 闵华清
- 黄梦醒
- D·达维斯
- J·D·沙弗
- J·杜克斯-施洛斯伯格
- K·库拉帕蒂
- M·佩尼
- M·沃尔克弗斯
- R·汉加特纳
- S·V·R·古特塔
- T·J·鲍塔南
- W·达维斯
- 刘俞
- 周立柱
- 周莉
- 唐明
- 夏双
- 姚洪哲
- 孙健
- 张斌
- 张毅
- 徐杰
- 李乾坤
- 杜卿
- 杨静
- 林欣
- 梁雪芬
- 毛万胜
- 焦玉英
- 王娜
- 王晓丽
- 石岩
- 董祥和
- 赵洋
- 邓双义
-
-
王中伟;
裘杭萍;
孙毅;
寇大磊
-
-
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.
-
-
张晓艳
-
-
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.
-
-
丁昭巧
-
-
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.
-
-
高发展;
黄梦醒;
张婷婷
-
-
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.
-
-
蔡宏果;
元昌安
-
-
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 .
-
-
杨海月;
朱玉婷;
施化吉;
徐慧
-
-
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.
-
-
高良友;
黄梦醒
-
-
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.
-
-
高良友;
黄梦醒
-
-
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.
-
-
刘洋
-
-
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.
-
-
陈天昊;
帅建梅;
朱明
-
-
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.
-
-
赵勇;
高凤荣;
邢春晓
- 《第二十三届中国数据库学术会议(NDBC2006)》
| 2006年
-
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。
-
-
-
-
-