协同过滤推荐算法的研究

随着互联网的普及,网络资源的激增,网上购物的交易方式正在改变着传统的商业模式。为了提供精确而又快速的推荐,研究者提出了多种推荐算法。本文将针对电子商务发展的需求,通过协同过滤推荐算法的文献综述,对传统过滤算法无法适用于用户多兴趣下的推荐问题进行了剖析,提出了一种基于用户多兴趣的协同过滤推荐改进算法,分析了基于用户多兴趣的协同过滤推荐算法的电子商务系统。     

基于混合属性相似度的协同过滤推荐算法研究

协同过滤推荐算法是最常用的推荐算法,然而传统的基于项目的协同过滤推荐算法并没有充分利用用户信息,对此本文提出一种改进方案,提出在传统算法的基础上混合基于用户信息的项目属性相似度来改进算法从而进一步提升推荐的准确度。为了解决此方案带来的额外开销,文中同时提出一种分布式计算结构来提升计算效率。实验结果表明,该方法与传统的基于项目的协同过滤推荐算法相比,推荐准确度有明显提高。     

基于协同过滤和室内定位的商品推荐系统

利用物联网新兴技术和无线移动定位技术的优势,设计开发了一款基于室内定位的商品推荐系统,实现从过载的信息中识别出用户感兴趣的商品,借助近场通信技术(NFC)搜集用户数据,借助室内定位技术实时定位用户位置,并根据用户购物的历史数据用协同过滤算法实现商品推荐将结果推送给用户以达到让用户满意的购物体验.     

基于移动用户上下文相似度的协同过滤推荐算法

该文面向移动通信网络领域的个性化服务推荐问题,通过将移动用户上下文信息引入协同过滤推荐过程,提出一种基于移动用户上下文相似度的改进协同过滤推荐算法。该算法首先计算基于移动用户的上下文相似度,以构造目标用户当前上下文的相似上下文集合,然后采用上下文预过滤推荐方法对移动用户-移动服务-上下文3维模型进行降维得到移动用户-移动服务2维模型,最后结合传统2维协同过滤算法进行偏好预测和推荐。仿真数据集和公开数据集实验表明,该算法能够用于移动网络服务环境下的用户偏好预测,并且与传统协同过滤相比具有更高的推荐精确度。     

基于多兴趣度的图书借阅推荐系统研究与设计

针对数字图书馆图书借阅推荐系统中通常采用的协同过滤算法中存在的不足,分析了该算法存在在用户多兴趣情况下推荐时难免会产生偏差,从而降低预测推荐准确率问题,进而提出了一种基于用户多兴趣度的图书借阅推荐系统推荐算法的设计思路。该算法首先对待推荐图书进行分类,然后根据用户的借阅情况计算其对每类图书的兴趣度,将对每类图书兴趣度相似的用户聚为一类,在小范围内寻找最近邻居,最后根据用户对不同类别书目的兴趣度作为权重值来产生对该用户的每类图书的推荐数目。该算法不仅能够解决用户多兴趣度问题,同时也可减少计算工作量,提高推荐的准确率。     

基于隐语义模型改进的协同过滤推荐算法

为解决传统的协同过滤算法相似度计算不精确而导致的推荐召回率低的问题。通过LFM隐语义模型与协同过滤结合的方法研究了用户不相似度与用户平均兴趣程度对推荐召回率的影响,并且提出依据个人选择能力的个性化推荐策略。结果表明:该算法能够有效优化用户间的相似度,提高推荐结果的召回率。     

基于领域协同过滤的专家评审推荐方法

针对创新、创业项目中专家评审匹配度低、针对性差等问题,本文提出基于领域协同过滤的专家评审推荐方法。结果表明,本文提出的基于协同过滤的专家评审智能推荐方法大大提高了项目的匹配度,同时提高了资源利用效率。     

基于协同过滤的推荐算法研究

随着互联网时代WEB2.0技术的到来,信息过载问题要通过协同过滤推荐系统算法有效地解决。文章分析了基于协同过滤的推荐算法研究的意义和基于协同过滤的推荐算法研究的现状,根据推荐系统和协同过滤算法的特点,分别对融合社交网络信息的协同过滤算法、融合基于用户和基于项目协同过滤算法进行简单的研究和分析。     

基于LDA主题模型的协同过滤推荐算法

本文提出一种基于LDA(Latent Dirichlet Allocation)主题模型的协同过滤算法,通过提取并分析商户所接收到的来自不同用户的评论文本,计算商户之间的相似度,再联合传统的基于物品的协同过滤算法,从而进行推荐.实验结果表明,该方法取得了较为理想的结果,能够提高推荐准确度.     

协同过滤算法优化在推荐系统中的应用

基于协同过滤算法的推荐系统广泛应用于电子商务平台。在成熟推荐系统技术的基础上,探讨应用在团购网站上遇到冷启动、产品跟新周期快、用户以情感性需求主导消费等问题以及解决方案。     

基于社会网络协同过滤的社会化电子商务推荐研究

随着社会网络关系的不断复杂化,商品是否推荐成功,除了基于商品本身的特征外,还受社会网络关系的影响。很多用户更加信任来自朋友的推荐,而非机器通过单因素计算出来的推荐结果。因此,设计了一个融入社会网络关系的电子商务推荐系统。其中,构建了社会网络关系强度、兴趣偏好强度和商品流行性与声望强度3个关键因子,每个一级因子又由若干个二级因子构成。实验结果验证了社会网络关系会对其中成员的网购等网络行为产生影响,构建的基于社会网络的电子商务推荐策略的效果比其他单因素推荐策略好且稳定,具有很好的实际应用效果。     

基于模糊权重相似性的协同过滤算法研究

在传统协同过滤算法中,相似度直接依据用户评分。但是,用户评分会受各种不确定因素影响。采用数值评分的推荐系统收集到的用户喜好信息是模糊、不精确和不完整的。单一的数值不能包含丰富的信息来表达用户喜好,也会导致推荐结果的不准确性。文中定义了几种模糊集的隶属函数,提出了基于模糊逻辑的相似度计算方法。实验结果表明,基于模糊权重的相似度有效的提高了推荐系统的预测准确度,一定程度上解决了协同过滤算法的可扩展性和数据稀疏性问题。     

一种混合式协作过滤服务推荐算法

随着电子商务的飞速发展,服务推荐系统的重要性越来越得到体现。服务推荐技术作为电子商务的重要应用技术之一,为用户正确的决策提供有力的支持和保证。传统的基于协作过滤的服务推荐算法存在无法进行双向推荐的弊端,同时推荐质量有待提高。针对这些不足,提出了一种基于混合式协作过滤的服务推荐算法,考虑用户和服务之间的相似度,实现了双向推荐。实验结果表明,该算法能有效提高推荐质量。     

两方参与的隐私保护协同过滤推荐研究

 隐私保护的协同过滤推荐研究致力于在确保高质、高效地产生推荐的同时有效地保护参与方的隐私.在数据分布存储,参与方大于2的情形,已有研究针对其核心任务——对指定项进行评分预测,以可交换的密码系统为主要技术,设计了一个隐私保护计算协议.但该协议不适用于参与方是2的情形.以安全比较计算和安全点积计算为基础安全设施,设计了一个协议,解决参与方是2的情况下对指定项进行评分预测的隐私保护问题,从而解决了隐私保护的两方协同计算问题.预测准确度与数据集中存放一样,证明了协议的正确性,并基于安全多方计算理论和模拟范例,证明其安全性,分析了时间复杂度和通信耗费.     

数据挖掘技术在电子商务推荐系统中的应用研究

在对数据挖掘技术和电子商务推荐系统进行研究的基础上,设计和提出了一种基于聚类算法的图书推荐系统,并将其应用到网上书店中,该系统在找近邻之前对所有资源进行聚类,缩小了找近邻的范围,从而大大提高了系统的运行效率,在实际应用中取得了较好的推荐效果。     

Web数据挖掘在电子商务中的应用

Web数据挖掘已经成为数据挖掘研究领域的热点,尤其是在电子商务网站的设计和使用中。文章阐述了在电子商务中如何运用Web数据挖掘技术,为企业更有效地确认目标市场、改进决策、获得更大的竞争优势提供帮助,并提出了一种Web数据挖掘系统的设计方案和实现方式。同时,对k-means聚类算法进行了优劣分析,并提出通过改变初始聚类中心的选取规则来提高算法的运行效率以及计算结果的准确度。     

Improved Collaborative Filtering Recommendation Based on Classification and User Trust

When dealing with the ratings from users, traditional collaborative filtering algorithms do not consider the credibility of rating data, which affects the accuracy of similarity. To address this issue, the paper proposes an improved algorithm based on classification and user trust. It firstly classifies all the ratings by the categories of items. And then, for each category, it evaluates the trustworthy degree of each user on the category and imposes the degree on the ratings of the user. Finally, the algorithm explores the similarities between users, finds the nearest neighbors, and makes recommendations within each category. Simulations show that the improved algorithm outperforms the traditional collaborative filtering algorithms and enhances the accuracy of recommendation.     

一种可信的基于协同过滤的服务选择模型

针对目前服务选择方法中基于QoS的服务选择方法较少考虑服务请求者自身的个性属性特征和基于协同过滤的服务选择方法未能考虑服务推荐者可信程度的问题,该文将协同过滤技术与信任度量方法进行有机结合,根据服务请求者的个性属性特征对服务选择过程的影响,引入用户(服务请求者)相关性,并计算推荐可信度,利用层次分析法确定服务信誉值中各因子的权重,提出了一种可信的基于协同过滤的服务选择模型。仿真实验表明该模型不仅提高了服务选择的效率,还能有效避免服务推荐者的恶意攻击。