协同过滤
- 基于协同过滤知识图谱的图书推荐
互信息，通过协同过滤算法计算出读者偏好，综合上述两种方法得到推荐列表进行最终的TopK推荐。关键词：图书；推荐系统；协同过滤；知识图谱1概述进入21世纪以来，互联网技术的快速发展、计算能力的快速提升，各行业中产生的大量数据开始受到学者、企业的重视，但用户在享受其带来的便利同时，也面临着信息过载、信息泄露等问题。用户在信息资源的快速不停地产生情况下无法准确获取自己需要的目标信息。推荐系统的出现，有效缓解了上述问题。而协同过滤算法利用协同信息推荐用户感兴趣的信
科技风 2023年36期2024-01-07
- 基于协同过滤的智能推荐方法在电子商务中的应用研究
高要求。基于协同过滤技术的智能推荐方法既能结合用户的个人偏好、习惯等精准进行个性化推荐，又可以通过推荐系统发掘并展示长尾商品，加速商品的利用与转化，顺应市场多元化发展。首先，本文基于挖掘用户历史行为并判断用户偏好的目标，分析协同过滤算法的实现原理。其次，针对电子商务平台需求特征，构建包括数据预处理、相似度计算、推荐生成和评估在内的智能推荐方法步骤。最后，针对现有算法提出实现条件。关键词：电子商务；智能推荐系统；协同过滤；多元化；数字化本文索引：葛欣然，张瀚
中国商论 2023年17期2023-09-11
- 数据稀疏背景下基于协同过滤的推荐算法综述
：推荐系统；协同过滤；数据稀疏；相似度1引言随着移动互联网的迅速发展，人们获取大量信息十分便捷。与此同时，如何从海量信息中高效筛选出所需内容变得十分困难。推荐系统能够在用户需求不明确或是信息量过大时，根据用户的行为判断其兴趣，提供个性化的信息以满足用户需求。另外，为提高转化率，推荐系统还能主动将有效信息推送至目标用户。因此，推荐系统既是引导用户获取需要信息的助手，又是公司驱动业务发展的重要动力。推荐系统最早被应用于电子商务网站，通常是根据用户的订单和评价来
计算机应用文摘 2023年9期2023-05-30
- 基于潜在因子多样性的非负矩阵分解协同过滤模型
负矩阵分解的协同过滤模型在高维稀疏数据的预测和填补上十分有效，该模型具有推荐个性化、有效利用其他相似用户回馈信息的优点，但也存在预测精度较低等不足。针对用户或项目在不同情景下的评分差异性，提出了一种改进的基于潜在因子多样性的非负矩阵分解的协同过滤模型。该模型充分考虑在不同情境下，用户和项目潜在特征矩阵的多样性，在模型的训练中，采用了单元素非负乘法更新规则和交替方向法，保证了目标矩阵的非负性，且提高了模型的收敛率。在真实的工业数据集上的实验结果表明，相比于经
上海理工大学学报 2023年2期2023-05-30
- 数据稀疏背景下基于协同过滤的推荐算法综述
：推荐系统；协同过滤；数据稀疏；相似度1引言随着移动互联网的迅速发展，人们获取大量信息十分便捷。与此同时，如何从海量信息中高效筛选出所需内容变得十分困难。推荐系统能够在用户需求不明确或是信息量过大时，根据用户的行为判断其兴趣，提供个性化的信息以满足用户需求。另外，为提高转化率，推荐系统还能主动将有效信息推送至目标用户。因此，推荐系统既是引导用户获取需要信息的助手，又是公司驱动业务发展的重要动力。推荐系统最早被应用于电子商务网站，通常是根据用户的订单和评价来
计算机应用文摘·触控 2023年9期2023-05-10
- 大数据环境下开放教育学习者画像的构建
；数据挖掘；协同过滤；用户画像0 引言随着大数据时代的到来，数据挖掘与信息推荐在行政、教育、经济、医疗等各个领域都已经有了一定作用与价值。在线的不断发展使得在线教育行业迎来了更为广阔的发展方向[1]。目前越来越多的人员选择在线课程进行学习，极大地提升人民群众日常接受教育的便利性。在线教育网站之中存在着大量的注册用户，同时每天都会产生大量的用户注册信息，其中包括用户个人信息、用户学习课程、学习时间等。面对这些大量的信息，日常却无法进行统计和决策工作[2]。平
电脑知识与技术 2023年5期2023-04-06
- 社交的延伸：新闻推荐算法的进化与反思
0时代，基于协同过滤的算法，对用户的社交孤独趋避进行心理上的补偿；在算法3.0时代，基于隐私保护的推荐算法，可以对用户的社交安全焦虑进行防御型补偿。文章以技术迭代为主要逻辑，阐述算法在技术迭代中对自身进行补偿，探讨算法在进化过程中是如何对用户的社交进行补偿的，并对新闻推荐算法进行理论上的补充。关键词：算法进化；媒介补偿；社交延伸；内容推荐；协同过滤；隐私保护中图分类号：G206 文献标志码：A 文章编号：1674-8883（2023）01-0015-04一
新闻研究导刊 2023年1期2023-02-14
- 基于上下文感知推荐的协同过滤技术
文感知推荐的协同过滤技术，该技术利用用户重要的移动上下文信息来改进基于项目的协同过滤算法中相似性的度量，重新用改进的相似度计算方法来获得项目的预测评分。通过实验数据表明，基于上下文感知推荐的协同过滤技术可以在用户处于移动环境时为用户提供更准确的推荐结果，可以有效缓解移动用户评分数据稀疏性所带来的推荐结果失真的问题。关键词：上下文信息;协同过滤;移动电子商务;个性化推荐中图分类号：TP302.1 文献标识码：A文章编号：1009-3044（2022）1
电脑知识与技术 2022年19期2022-08-31
- 基于卷积神经网络的协同过滤算法在影片推荐中的应用研究
，实现了基于协同过滤的影片推荐系统。系统运行表明，该方法实现的推荐系统可以有效缓解“冷启动”问题。关键词：影片推荐;协同过滤;卷积神经网络中图分类号：TP18 文献标识码：A文章编号：1009-3044（2022）17-0073-051简介推荐系统[1]已经成功应用到商品推荐中，并逐步渗透到了文化领域，丰富了人们的文化生活。在推荐系统还未萌发的时候，用户使用传统的搜索引擎，在获取数据时，如果需求很明确，比如需要找一个电影，但是用户只知道这个电影的
电脑知识与技术 2022年17期2022-08-31
- 招聘数据可视化分析系统的设计与实现
用基于用户的协同过滤算法对职位进行推荐并实现动态更新。在一定程度上可帮助求职者了解目前的社会人才招聘需求，快速找准自身定位。关键词：网络爬虫;招聘数据;协同过滤;可视化分析中图分类号：TP311 文献标识码：A文章编号：1009-3044（2022）18-0039-03开放科学（资源服务）标识码（OSID）：1 引言随着国内互联网行业的飞速发展，以及一些非传统因素的影响，网络求职招聘愈发受到人们的欢迎。但其中也出现了一些问题，最突出的就是信息繁多杂乱，人
电脑知识与技术 2022年18期2022-08-31
- 基于 SVD 的协同过滤电影推荐算法
：电影推荐;协同过滤（CF）;冷启动;奇异值分解（SVD）中图法分类号：TP391文献标识码：ACollaborative filtering movie recommendationalgorithm based on SVDSONG Longsheng'，WANG Jialel，NI Shengqiao1.2（1.College of Information Science and Technology，Tibet University，Lhasa 8
计算机应用文摘·触控 2022年10期2022-07-05
- 基于协同过滤算法的个性化推荐系统研究
。该文通过对协同过滤算法的个性化推荐系统进行分析，希望能够通过该文简单地分析探讨为后研究者提供借鉴意义。关键词：协同过滤 算法 个性化推荐系统 系统设计中图分类号：G71 文献标识码：A 文章编号：1672-3791（2022）05（b）-0000-00基金项目：2020年广西高校中青年教师科研基础能力提升项目（项目编号：2020KY48012）; 2020年百色市现代教育技术科研课题（项目编号：SZ202008）。作者简介：覃琼花（1981—
科技资讯 2022年10期2022-06-15
- 协同过滤推荐算法的优化研究
孙红梅摘要：协同过滤推荐是目前应用最广泛和最成功的推荐系统，但传统的协同过滤算法没有充分利用用户的行为反馈信息，忽略了时间顺序、序列顺序等有效信息，存在一些局限性。文章基于传统的协同过滤算法，结合用户交互行为信息中的时间顺序、序列顺序以及物品的流行度和用户的活跃度等信息，优化算法的推荐效果，并且在数据集MovieLens上进行验证，实验结果表明优化后的协同过滤推荐算法能有效提升推荐效果。关键词：协同过滤;相似性度量;推荐算法中图分类号：TP391
电脑知识与技术 2022年13期2022-06-11
- 融合话题多维特征和用户兴趣偏好的微博话题推荐研究
好，进一步以协同过滤算法为基础，计算目标用户相似性，然后计算话题新鲜度、重要度、信任度指标并进行线性加和，得到目标用户对微博话题的综合兴趣度，最后，根据用户偏好和综合兴趣度计算目标用户对微博话题的兴趣度并降序排列，得到Top-N个话题推荐结果。[结果/结论]在真实微博数据上的实验结果表明，该方法取得了理想的预期效果，推荐效果既能保證准确性，又能体现多样性，并且有效缓解了推荐结果单一、容易引发信息茧房的问题。关键词：微博话题推荐;协同过滤;话题新鲜度;话题多
现代情报 2022年5期2022-06-06
- 基于模糊聚类和Slope One填充的推荐算法
量。关键词：协同过滤;模糊聚类;Slope One;相似度中图分类号：TP391 文献标识码：A文章编号：1009-3044（2022）10-0068-031 引言由于信息网络的高速增长，世界各地的数据量也正疯狂增加，据有关组织报告称，估计到2025年，世界各地的数据量将会达到惊人的163ZB，是2016年16.1ZB的十倍[1]。面对如此庞大的数据量，我们已然陷入了“信息过载”的时代[2]。若是能够使用一种方法能够挖掘出用户的历史行为记录并分析
电脑知识与技术 2022年10期2022-05-30
- 基于协同过滤的美食店铺推荐算法
章提出了基于协同过滤的美食店铺推荐算法，同时分析了基于用户的推荐算法、基于餐厅的推荐算法、基于[ SVD]的协调过滤算法以及流行度推荐算法这四种推荐算法，解决了推荐餐厅与用户喜好适配度问题。实验表明，文章提出的基于协同过滤的美食店铺推荐算法，在准确率（Precision）和召回率（Recall）以及[ F1]这三种指标上优于其他对比算法。關键词：协同过滤；推荐系统；混合算法；美食店铺；美食推荐中图分类号：TP311 文献标识码：A文章编号：100
电脑知识与技术 2022年30期2022-05-30
- 基于KL散度的ALS推荐算法
要：针对传统协同过滤推荐算法在稀疏数据上推荐准确度低的问题，提出一种基于KL散度的ALS推荐算法KL-ALS。传统ALS算法计算物品相似度时只考虑了用户之间的共同评分项，得到的相似性与真实值会有一定的误差，而采用KL散度计算物品相似度时，对用户评论的数量不做任何限制，不依赖于用户共同评分项。KL-ALS算法首先将ALS算法计算物品相似度和KL散度计算的物品相似度按照一定权重混合，产生总体相似度，进而采用ALS算法训练模型，能够更加准确地度量物品间的相似度，
电脑知识与技术 2022年12期2022-05-29
- 基于TSVD的协同过滤推荐算法研究
：针对经典的协同过滤推荐算法的一系列不足，如用户冷启动、商品评分稀疏性以及推荐精度不高，文章提出基于截断奇异值分解（TSVD）的协同过滤推荐算法。使用TSVD技术对稀疏矩阵进行降维处理，利用Jaccard相似度算法计算用户间相似度，提高推荐精度。实验结果显示，基于截断奇异值分解（TSVD）的协同过滤算法体现良好的推荐质量及预测精度。关键词：推荐算法;协同过滤;稀疏矩阵;截断奇异值分解中图分类号：TP391 文献标识码：A文章编号：1009-304
电脑知识与技术 2022年4期2022-04-29
- 协同过滤算法改进实验及对比分析
摘要：在协同过滤推荐算法中融入时间因素对其进行改进，为了验证改进后的算法能够把推荐的准确度给提高，使用Python编程语言，在电影数据集Movielens中的ml-lm数据集下进行实验，对比传统与改进算法之间的MAE值。文章介绍了实验的目的、评价指标、理论知识、过程和结果。通过实验的结果可以明显看出这种改进后的算法能够提高推荐的准确度。关键词：协同过滤；推荐算法；改进；MAE；实验中图分类号：G642 文献标识码：A文章编号：1009-304
电脑知识与技术 2022年35期2022-02-17
- 基于Hadoop的电影推荐系统的设计
educe，协同过滤1.绪论1.1推荐系统介绍推荐系统是为了防止信息过载而采用的一种措施，面对海量数据信息，从中迅速地推荐出一些符合用户需求特点的物品，解决了一些人的"选择恐惧症"。推荐系统通过分析发掘这些用户的消费行为，找到这些用户的各种个性化消费需求，从而将商品准确及时地推荐给需要的用户，帮助用户发现他们感兴趣但很难及时发现的商品。1.2推荐系统的目的（1）让用户更快更好的获取到自己需要的内容。（2）让内容更快更好的推送到喜欢它的用户手中。（3）让网站
科学与生活 2021年24期2021-12-06
- 精准动态信息推荐算法在智慧校园中的应用
并提出了基于协同过滤思想的解决办法。关键词：智慧校园;信息冗余;推荐系统;协同过滤1引言当前，教育环境复杂，教育信息化和智慧化必需兼顾环境多样性、受众复杂性、需求变化性等因素，借助移动通信技术与人工智能技术发展新型教育对位于战略兴国的重要基础化建设。智慧化教育必须打破原来数字教育资源建设的传统观念和思想壁垒，除了包涵传统的教育课件之外，其主体应当是伴随着教学过程中产生的大数据以及伴随对关于教育所有因素分析产生的相关数据内容及其衍生信息。因此如何有效的獲取众
快乐学习报·教师周刊 2021年15期2021-11-11
- 一站式个性化旅游推荐系统
的基于物品的协同过滤推荐为核心，搭建了考虑用户是否来自于川渝地区这一本异地差异的个性化旅游推荐APP。关键词：旅游推荐;协同过滤;本异地差异。1.背景在新冠病毒疫情的爆发导致国人对国内旅游需求不断增长，大数据时代信息爆炸与用户对信息的利用率反而下降的双重背景下[1]，提出了一种具有现实意义的个性化旅游推荐系统，实现了一种更能符合用户需求来进行旅游景点推荐的APP。2.算法介绍2.1优化的基于物品的协同过滤推荐算法2.1.1 传统的协同过滤推荐算法的缺点[2
科技信息·学术版 2021年19期2021-10-25
- 个性化电影推荐算法综述
算法，主要有协同过滤、基于内容的推荐和混合推荐三类算法，然后比较分析了几种推荐算法的优缺点。最后，针对推荐算法的发展方向，又对基于上下文的推荐算法进行了简单的介绍。关键词：电影推荐;协同过滤;基于内容的推荐;混合推荐Abstract：In the era of big data， all kinds of film and television resources have emerged， and the problem of "information
电脑知识与技术 2021年22期2021-09-14
- 基于Spark大数据处理的电影推荐系统设计与实现
，总体采用了协同过滤算法和基于内容的推荐算法实现混合推荐的目的。实现了前端可视化页面、后台业务处理、算法的设计与实现、环境的安装与部署等多种操作方式。关键词：推荐系统;混合推荐;协同过滤;Spark;ALS;机器学习0 引言随着网络碎片化管理视频的时代到来，不断产生的用户数据，促使基于用户的智能推荐影片的系统的实现非常重要。一个完善的推荐系统能够为用户提供实时需要的信息，正是如此推荐系统面对海量产生的数据信息，从中快速推荐出满足用户喜好的物品，对于一些“选
无线互联科技 2021年11期2021-09-13
- 大数据平台下实时电影推荐算法研究
模型所满足，协同过滤推荐算法的不足也越来越明显。为此，通过大数据计算框架Spark平台构建基于模型的推荐算法来更好地应对海量数据实时推荐的问题。首先，通过预先设定的计算方法进行模型的构建;同时将一种改进的余弦相似度算法应用到模型中，不仅可以缩短推荐实现的时间，而且可以提高推荐性能。实验结果表明，该算法和传统协同过滤算法相比，提高了准确率和时效性，验证了系统可较好地满足用户的实时需求。关键词：Spark;实时;推荐算法;协同过滤中图分类号：TP399
软件工程 2021年9期2021-09-13
- 基于用户偏好和麻雀搜索聚类的协同过滤算法
雀搜索聚类的协同过滤推荐算法。首先使用评分偏好模型对原用户项目矩阵进行修正，得到新的用户偏好-项目矩阵。利用麻雀搜索对聚类中心点进行优化，从目标用户所在簇内得到最近邻，提高了算法迭代速度，改善了聚类中心点敏感的问题。使用相似度公式对目标用户未评分项目进行预测，并完成推荐。实验结果表明，相较于其他几种推荐算法，准确度提高了4到6个百分点。关键词：评分偏好;麻雀搜索;协同过滤;推荐精度中图分类号：TP391.3文献标志码：A文章编号：1006-1037（202
青岛大学学报（自然科学版） 2021年1期2021-09-10
- 面对智能分诊的个性化推荐算法
部范围内基于协同过滤的评分方式有机结合，提出了一种面向智能导诊的个性化推荐算法。实验结果表明，本文提出的算法能为用户提供个性化的合理推荐结果。该方法对合理分配和使用医疗资源有很大的促进作用，能从一定程度上缓解就诊压力，提高就诊质量，具有重要的实用价值和社会意义。【关键词】辅助诊疗;智能导诊;Skyline查询;医疗推荐;协同过滤;推荐系统 中国人口数量与医疗资源之间的巨大反差使得医疗资源日趋不足，短期内增加医疗资源的总量几乎是不可能的，因此有效整合和合理
客联 2021年2期2021-09-10
- 基于位置优先与协同过滤的智能律师在线咨询服务系统的研究与实现
于活动序列与协同过滤机器学习算法，重点解决找律师推荐的问题。本算法的设计思想如下：首先根据地位位置优先、再根据律师群体处理的法律事务序列的历史记录，利用语义分析得到法律事务的向量主题词空间;然后利用聚类算法形成律师群体按事务类型的聚类模型;再通过NLP的方法提取目标用法律诉求的词向量空间;最后通过协同过滤机制的机器学习算法，形成向目标用户精准推荐的训练模型。基于本算法设计了一套智能律师在线咨询服务系统。通过定位快速优选推送就近的专业律师，同时分别从用户评分
中国新通信 2021年14期2021-09-08
- 综合时空信息的Web服务QoS预测方法研究
QoS预测;协同过滤;矩阵分解;个性化推荐中图分类号：TP301 文献标识码：A文章编号：1009-3044（2021）18-0233-03开放科学（资源服务）标识码（OSID）：1 背景Web服务的QoS属性是选取最佳候选服务时需要考虑的关键性因素，是动态服务发现、查询、选择和主动推荐的基础，通常用来体现Web服务的非功能特性。由于在实际应用中，Web服务数量非常多，用户对大多数服务并不了解，因此Web服务的QoS属性值不完整。而且，不同用户的
电脑知识与技术 2021年18期2021-08-18
- 基于时间因子改进个性化推荐模型
因子能对传统协同过滤算法在MAE指标方面有一定提高，计算效果优于传统推荐算法。关键词：时间因子;个性化推荐;协同过滤中图分类号：TP311.60 文献标识码：AImproved Personalized Recommendation Model based on Time FactorHU Anming1， CHEN Huie2（1.School of Computer Science and Engineering， Guangzhou Inst
软件工程 2021年7期2021-08-05
- 融合个性化推荐的文章聚合系统
合用户画像的协同过滤推荐方法，以此为平台方用户提供文章推荐服务。关键词：个性化推荐 文章聚合 协同过滤 用户画像中图分类号：TP391.3 文献标识码：A文章编号：1672-3791（2021）04（a）-0035-03An Article Aggregation System Integrating Personalized RecommendationYUAN Huanghui1 SUN Zhixin
科技资讯 2021年10期2021-07-28
- 一种改进的缺失数据协同过滤图书自动推荐模型研究
对图书馆图书协同过滤自动推荐系统，因数据缺失对图书推荐结果产生影响。该文借助广东岭南职业技术学院图书馆50万条样本数据，通过对部分变量缺失数据进行插值，设计一种改进的缺失数据协同过滤图书自动推荐系统模型（xDeepFM-D）。试验结果表明，在模型训练150轮后，测试集总损失为0.072 8，AUC（Area Under roc Curve）为0.927 4。对比常见推荐系统模型xDeepFM、DeepFM、FM&DNN以及FM，AUC分别提升了0.17%、
科技资讯 2021年10期2021-07-28
- 基于迭代SVD的电影推荐算法的研究
推荐算法中，协同过滤算法是最常使用、操作最简单方便的算法，但传统的协同过滤算法存在评分矩阵稀疏、推荐精度低等问题。针对这些问题，提出了矩阵填充策略，根据矩阵填充技术的优缺点，选择了几种填充稀疏矩阵的方法，并且利用迭代SVD算法得到了电影推荐的局部最优解，并利用均方根误差（RMSE）对结果进行了评价，利用R软件对电影评分数据集进行处理，实验结果表明，与传统的协同过滤推荐算法相比，迭代SVD算法能有效地提高推荐的准确性，更加准确地给用户提供想看的电影。关键词：
电脑知识与技术 2021年15期2021-07-19
- 基于标签的协同过滤推荐方法研究
统基于物品的协同过滤算法由于物品相似度矩阵稀疏，推荐准确率不高。针对这一问题，提出一种基于标签和改进杰卡德系数的协同过滤算法，进行电视节目个性化推荐。首先，爬取相关信息对原始数据进行扩充，并利用统计学方法对时间特征进行归一化处理，计算用户偏好系数;然后，统计出现次数较高的类别作为推荐类别标签，并利用改进的杰卡德系数构造标签相似度矩阵;最后，根据推荐类别标签的用户偏好系数计算节目的推荐系数。实验结果表明，基于标签的协同过滤算法可以降低稀疏矩阵对推荐准确率的影
北京联合大学学报 2021年2期2021-05-21
- 基于画像技术的车货匹配与精准化推荐方法研究
签体系，运用协同过滤推荐算法挖掘出具有不同业务类型的用户群体，以期为用户提供精准化个性服务。关键词：画像技术;车货匹配;协同过滤中图分类号：U294 文献标识码：AAbstract： With the promotion of big data information technology， the vehicle and cargo matching platform develops rapidly， and the market competi
物流科技 2021年11期2021-05-12
- 基于协同过滤和标签的混合音乐推荐算法研究
题，提出一种协同过滤技术和标签相结合的音乐推荐算法。该算法先通过协同过滤技术确定相似用户，再通过相似用户对某一歌手的标签评分预测另一用户对该歌手的偏好程度，从而选择更符合用户喜好的音乐进行推荐，以此提升个性化推荐效率，为优化音乐推荐系统提供参考方法。关键词：协同过滤;标签;音乐推荐;推荐系统中图分类号：TP312 文献标识码：A文章编号：2096-1472（2021）-04-10-04Abstract： Traditional single rec
软件工程 2021年4期2021-04-18
- 基于正则化矩阵分解的电影推荐算法
于基于用户的协同过滤算法分别降低了14.12%和29.72%。实验表明，本文提出的推荐算法能够考虑不同年龄的差异，实现更加符合用户实际的推荐需求，提高了推荐准确度和稳定性，改善了推荐误差。关键词：正则矩阵分解;用户细分;推荐算法;协同过滤中图分类号： TP391 文献标识码： A文章编号：1009-3044（2021）01-0022-02随着信息技术的快速发展，电影娱乐也成了人们生活的一部分，海量的观影用户数据带动了观影用户的分析和个性化推荐的应用研
电脑知识与技术 2021年1期2021-03-15
- 融合时间上下文的改进协同过滤图书推荐模型
：针对传统的协同过滤推荐算法在高校图书推荐场景中存在缺乏显性评分、推荐精度低等问题，提出一种融合时间上下文的改进协同过滤图书推荐模型。基于图书历史借阅记录，首先构建基于借阅时长的读者—图书偏好度模型，将读者历史借阅记录中隐含的借阅偏好信息转换成显性的读者—图书评分;然后考虑读者借阅偏好随时间动态变化因素，引入时间衰减因子对读者—图书评分模型进行修正，最后应用隐语义模型进行个性化图书推荐。关键词：时间上下文;协同过滤;图书推荐随着高校图书馆藏图书资源的日益增
科技风 2021年3期2021-03-15
- 基于协同过滤的医学生智能学习推荐系统设计
设计一种基于协同过滤的医学生智能学习推荐系统，以临床医学专业学生为例，通过分析用户历史行为，经过数据探索与预处理，应用协同过滤算法，筛选并推送满足用户学习兴趣和需求的信息和习题，为用户提供个性化服务。关键词：协同过滤;医学生;智能推荐中图分类号：TP302.1 文献标识码：A文章编号：1009-3044（2021）36-0095-02开放科学（资源服务）标识码（OSID）：Design of Intelligent Learning Recomm
电脑知识与技术 2021年36期2021-03-07
- 基于Python的用户协同过滤推荐系统的研究与实现
。本文研究了协同过滤算法，使用Python语言实现了基于用户的协同过滤推荐系统，构建了推荐系统的架构，给出了实现个性化推荐的关键代码，并在ml-latest-small 数据集上对用户相似度算法进行了测试。关键词：相似性;协同过滤;推荐系统;Python中图分类号：TP311 文献标识码：A文章编号：1009-3044（2020）31-0234-031 概述信息技术和互联网技术的迅猛发展以及数据量爆炸式的增长，将我们带到了“信息过载”[1]的时代
电脑知识与技术 2020年31期2020-12-28
- 基于Spark的电影推荐系统的设计与实现
用聚类技术和协同过滤等技术来缓解这些问题，提升推荐质量，从而满足人们能够快速地获取所需信息。然后设计出一个关于电影的推荐网站，采用现今比较流行的处理大数据的Spark[4]技术以及依托建立在其上层的MLlib机器学习生态库。达到处理海量数据的能力，根据现有的条件技术从离线推荐和热门推荐两种方式分区组合推荐来实现本系统。关键词：大数据;协同过滤;Spark;机器学习中图分类号：TP391 文献标识码：A文章编号：1009-3044（2020）33-0080-
电脑知识与技术 2020年33期2020-12-28
- 一种基于用户和商品属性挖掘的协同过滤算法
为了解决传统协同过滤算法数据稀疏而导致的推荐不准确等问题，引入商品属性值的概念，根据改进后的用户相似度填充用户?属性矩阵，最后对物品兴趣程度及商品属性评分和进行加权推荐。通过在电影数据集MovieLens上的实验表明，改进后的算法能够显著提升推荐准确率。关键词： 协同过滤; 商品属性评分; 用户兴趣评分; 推荐算法; 混合推荐; 实验分析中图分类号： TN911.1?34; TP183 文献标识码： A
现代电子技术 2020年23期2020-12-23
- 基于Hadoop的东盟电子商务平台的研究与设计
;数据分析;协同过滤;业务;用户;盈利中图分类号：F724 文献识别码：A 文章编号：2096-3157（2020）24-0015-032018年11月12日，东南亚国家联盟各国在新加坡签署东盟电子商务协议，旨在促进区域内跨境电商贸易便利化。东盟电子商务协议的签订，为东南亚国家步入电商新时代带来了有利的契机。与此同时，在电商平台系统的研究与设计方面也需要加快步伐，这样才能够更好地满足电商企业入驻的需求。同时，用户访问过程中信息浏览、商品推送的效率也能大大提
全国流通经济 2020年24期2020-12-23
- 一种基于营养标准的个性化幼儿套餐推荐方法
。【关键词】协同过滤;FTRL;多目标优化;个性化推荐;营养均衡引言近几年也有基于营养标准和食物个性推荐算法的相关研究，如利用协同过滤并且使用引入差分变 异策略算子的NSGA-2个性化健康饮食推荐方法[1]，基于情境感知的校园餐饮推荐方法[2]，利用粒子群，聚类和Slope one等算法的基于营养饮食推荐系统研究[3]，食材搭配推荐算法 研究[4]则是利用了基于NSGA-2改进的MOGA-UP算法和BP算法。本文则在经典的协同过滤推荐算法LMF和Item
理论与创新 2020年17期2020-11-16
- 基于相似偏好模型的产品组合精准营销策略研究
用基于用户的协同过滤的算法，刻画用户特征，建立用户相似兴趣偏好矩阵。本文建立了一种基于相似偏好用户的产品组合模型，模型采用TOC约束理论下的产品组合模型为基础，利用约束理论简化模型，并用粒子群算法求得满意解。最后结合某企业给出的大量数据，求解模型，为企业营销提供有力的数据支撑。本文的研究能够使企业产品组合营销更加智能、高效、便捷。结果表明，该方法能够有效地刻画用户偏好，更好地了解客户需求，提高产品组合套餐的精确性，有利于企业产品营销。关键词：用户兴趣偏好;
青年生活 2020年17期2020-10-21
- 基于聚类和SVD++的电影推荐系统的研究六
摘要：传统的协同过滤算法存在着冷启动、数据稀疏性和可扩展性等关键问题，这都使得用户的历史播放列表数据信息难以获得，从而导致推荐电影时精度较低。文章将聚类算法与SVD++模型相结合，通过K-means聚类算法将相似用户根据评分聚类的同时，并利用SVD++模型对聚类后的每个集群中的评分矩阵进行分解，从而解决相似用户查找效率低和评分矩阵数据稀疏性的问题，使得电影推荐系统具有较高的精度。关键词：推荐系统;协同过滤;聚类;SVD++：数据稀疏性中图分类号：TP391
计算机时代 2020年9期2020-10-09
- 浅析基于协同过滤算法的网上超市系统
售的拥堵。而协同过滤算法可以对顾客进行智能化商品推荐，也可以辅助商家进行智能化进货。本文从协同过滤算法的基本理论、网上超市系统的功能分析、协同过滤算法在网上超市中的应用这三个方面，简要介绍了一种基于协同过滤算法的网上超市系统。关键词 网上超市;协同过滤;相似性;推荐引言网上超市这个名字并不新鲜，它与网上商城相似却又不同。网上超市将实体店的部分营业方式搬到线上来，采取线上线下结合的方式进行运营。例如淘宝的“淘鲜达”，就是一个众所周知的网上超市，超市生鲜，1小
科学与信息化 2020年27期2020-10-09
- 基于智能推荐的在线组队平台
用基于需求和协同过滤的两种推荐算法进行智能推荐，并为平台上发布的每个团队需求提供在线聊天室功能，以便需求发布者和潜在参与者可以实时沟通和互动，达到快速有效组建团队的目的。关键词：在线组队;智能推荐;需求推荐;协同过滤中图分类号：TP312 文献标识码：A文章编号：1009-3044（2020）18-0084-03开放科学（资源服务）标识码（OSID）：1 背景在当今社会，组队参加竞赛或者参与其他活动已成为普遍现象。当前组队一般在彼此熟识的人中间进行，往往达
电脑知识与技术 2020年18期2020-10-09
- 基于SVD填充和用户特征属性聚类的混合推荐算法
：推荐算法;协同过滤;奇异值分解;K均值聚类;遗忘曲线中图分类号：TP301.6 文献标识码：A文章编号：1009-3044（2020）16-0011-05开放科学（资源服务）标识码（OSID）：Abstract： Facing the increasing amount of data in the scoring matrix， it is the key to solve the problem of sparse
电脑知识与技术 2020年16期2020-09-28
- 基于用户属性偏好与时间因子的服装推荐研究
与基于用户的协同过滤（UCF）算法、基于项目的协同过滤（ICF）算法及基于项目偏好的协同过滤（UCSVD）算法进行比较，结果显示，UIACF算法准确率提高14%。该算法为基于用户的服装协同过滤个性化推荐提供了一种新思路，用户潜在兴趣挖掘效率更高。关键词：图像分类;用户偏好;协同过滤;服装推荐;时间因子DOI：10.11907/rjdk.192085开放科学（资源服务）标识码（OSID）：中图分类号：TP301文献标识码：A 文章编号：1672-7800（2
软件导刊 2020年6期2020-07-24
- 基于社交网络的推荐系统研究
;矩阵分解;协同过滤DOI： 10. 11907/rjdk.192186开放科学（资源服务）标识码（OSID）：中图分类号：TP301文献标识码：A文章编号：1672-7800（2020）001-0046-040 引言随着移动互联网的发展，大众社交方式不断变化，以微博为代表的社交媒体扮演了越来越重要的角色，作为一种弱关系社交网络，其重要特点是信息快速传播与分享。2018年底，新浪活跃用户达3.92亿，用户在使用社交网络的过程中产生了大量数据，由于数据量庞大
软件导刊 2020年1期2020-07-14
- 基于用户的协同过滤推荐算法概述
技术都是围绕协同过滤而展开研究的。本文概括介绍了基于用户协同过滤推荐算法的理论思路，并对协同过滤推荐算法的发展趋势做了简单的阐述。【关键词】协同过滤 ;特征挖掘 ;推荐系统 ;基于用户引言在如今这个大数据时代，互联网应用所产生了海量的数据，那么在这么庞大的数据中，必定蕴含了丰富的意义，也必定有其应用价值。但是种类之繁杂的海量数据对于用户来说不全是有用的，用户提取有用数据会耗费大量的时间成本，因此协同过滤推荐算法根据用户的需求诞生了。1.协同过滤推荐概述1.
理论与创新 2020年9期2020-07-14
- 加入惩罚因子的电商平台协同过滤推荐算法
多样，在传统协同过滤推荐算法基础上，分别将热门项目与活跃用户的惩罚因子引入相似性计算中，依据准确度、覆盖率、流行度等评价标准，在上海某电商平台销售数据集上进行比较，并通过多组实验验证不同参数对推荐算法的影响。结果显示，加入惩罚因子后基于用户的协同过滤推荐算法在N值取10、K值取3时，流行度为3.97，比传统方法降低了7.31%：加入惩罚因子后基于项目的协同过滤推荐算法在N值取10、K值取3时，准确率为7.65%，比传统方法提高了5.25%。由此证明加入惩罚
软件导刊 2020年1期2020-07-14
- 图书馆书目协同智能推荐系统设计与实现研究
围，采用采用协同过滤算法计算读者相似度，获取与读者感兴趣相似的结果，最后根据相似度得到读者对每种图书感兴趣的评价值，并根据评价值进行图书馆书目智能推荐。仿真实验结果表明，该系统可以获得最优的推荐图书馆书目，读者对图书馆书目推荐结果的满意度高。关键词： 图书馆书目; 协同过滤; 智能推荐; 检索结果中图分类号： G 250 文献标志码： ADesign and Implementation of Library Bibliographic Coll
微型电脑应用 2020年4期2020-06-30
- 改进型协同过滤的图书推荐算法
性分组的改进协同过滤算法。该算法首先根据用户喜欢的图书类型去选择相似用户，缩小数据集，再根据基于用户的协同过滤算法寻找最近邻居集合，然后根据项目推荐值的方法向用户推荐感兴趣的图书序列。实验结果表明：在同一数据量下，该算法在推荐数据量以及覆盖率方面均优于同类算法。关键词： 协同过滤; 用户分组; 用户相似度中图分类号： TG 4 文献标志码： AA Book Recommendation Algorithm Based on Improved Co
微型电脑应用 2020年4期2020-06-30
- 大数据背景的变频兴趣变化推荐算法研究
应兴趣变化的协同过滤算法不能反应用户兴趣变化的频率，对即时热点也不足够敏感。同时，因为计算量大，不适应大数据场景。为此我们采用对时间分层的推荐模型结合热点权重函数，解决了传统算法存在问题，在生产环境中具备较高的应用价值。关键词：个性化推荐;协同过滤;推荐算法;兴趣变化;大数据推荐系统;相似度计算中图分类号：TP391 文献标志码：A 文章编号：2095-2945（2020）20-0014-03Abstract： The exi
科技创新与应用 2020年20期2020-06-29
- 基于云平台的慕课资源协同过滤推荐算法
当前慕课资源协同过滤推荐算法存在推荐误差大、无法实现在线推荐的难题，为了提高慕课资源协同过滤推荐精度，设计了基于云平台的慕课资源协同过滤推荐算法。首先分析慕课资源协同过滤推荐的原理，提取慕课资源相似度特征，然后引入k-最近邻对慕课资源相似度进行评价，实现慕课资源分类和协同过滤推荐，最后在云平台分布式、并行实现慕课资源协同过滤推荐算法，并与传统算法进行了仿真对比实验。结果表明，相对于传统算法，提出的算法使得慕课资源协同过滤推荐精度得到较高提升，能够解决当前慕
微型电脑应用 2020年5期2020-06-29
- 基于协同过滤算法的旅游推荐系统的设计与实现
游景点属性的协同过滤算法的旅游推荐系统。该文首先为旅游景点建立评价指标体系，将指标数据作为景点属性进行相似度计算并根据计算结果对旅游景点进行相似分类，结合协同过滤算法计算用户相似性并产生专属景点推荐列表，为用户提供个性化旅游推荐。本系统对河北省11个城市的旅游景点进行推荐。关键词：旅游推荐;景点属性;协同过滤;相似度中图分类号：TP311 文献标识码：A文章编号：1009-3044（2020）35-0064-03开放科学（资源服务）标识码（OSI
电脑知识与技术 2020年35期2020-06-07
- 基于DB-CF算法的音乐平台个性化推荐研究
;然后，通过协同过滤算法计算对象用户与各聚类中心的相似度，再通过对比相似度度量矩阵，遍历离对象用户最近的邻居，通过邻居作出评分预测。实验表明，采用DB-CF算法比传统算法准确率提高8%左右，可以产生更准确的推荐结果，为用户带来更好的体验。关键词：音乐电台;信息超载;个性化推荐;协同过滤;聚类DOI：10. 11907/rjdk. 192582
软件导刊 2020年3期2020-05-28
- 基于用户聚类的图书协同推荐算法研究
要：针对协同过滤推荐算法中因图书评分数据稀疏，导致推荐质量和推荐效率低的问题，提出结合用户聚类的图书协同过滤推荐算法。首先将用户身份特征数据和行为数据进行向量化表示，并利用K-means聚类算法进行用户聚类成为不同的类别;其次计算目标用户与各类别的距离，并选择最近距离的类别作为目标用户的检索空间;最后，从检索空间中通过相似度计算确定目标用户的最近邻居，在此基础上产生推荐列表。实验结果表明，所提算法能够有效提高推荐精度，降低推荐所耗时长。关键词：推荐系统
科技资讯 2020年9期2020-05-13