融入项目类别信息的协同过滤推荐算法

协同过滤技术在电子商务领域得到了广泛的研究和应用,但是随着互联网的迅速普及和电子商务网站规模的急剧增长,用户评分的极端稀疏性导致协同过滤方法的推荐质量不高.提出了一种融入项目类别信息的协同过滤推荐算法,结合项目的类别信息为活动用户筛选出候选近邻集合,在候选近邻集合内综合利用项目的评分信息和类别信息对未评分值进行预测,最后依据用户实际评分和预测评分计算出活动用户的最近邻集合并进行推荐.实验结果表明,该算法具有较好的推荐准确性和实时性.     

基于用户标签和信任关系的协同过滤推荐算法研究

随着互联网产业的快速发展,推荐系统已成为商业领域的研究热点,传统的仅考虑用户相似度或项目相似度的推荐算法已不能满足用户对推荐效率和推荐准确率的要求.考虑到社会好友间信任关系在推荐中的有益作用,信任关系应当成为推荐系统的考虑因素之一,文章提出一种基于标签和信任关系的协同过滤模型.首先,根据用户标签筛选出相似度较高的用户,根据他们对项目的评价预测得分;然后,根据社区内信任关系计算基于信任的评分;最后,综合两项得分进行预测.通过Epinions数据集验证表明:对比单纯的相似度推荐,添加信任因素后推荐结果有明显改变且随着信任网络规模扩大,项目预测得分趋于稳定,预测精度明显提高,更适用于移动电子商务环境下的个性化推荐问题.     

基于分层序列的移动电子商务推荐系统策略研究

移动互联网环境下,移动电子商务快速发展,移动推荐系统成为解决移动信息过载的主要技术和手段.移动电子商务推荐系统中用户策略选择是一个典型的多目标决策问题,目标之间也存在一定的矛盾.基于移动推荐系统的这种特征,借助分层序列法算法的思想,通过元数据的标准化处理,结合移动电子商务中的位置上下文信息获取推荐数据,得到满足用户多目标需求的推荐结果.方法的提出为移动电子商务推荐系统的研究提出了一种新的推荐策略.     

个性化推荐系统中协同过滤推荐算法优化研究

协同过滤推荐算法是目前个性化推荐系统中应用比较广泛的一种算法。然而,它在处理数据稀疏性、可扩展性等方面存在一定不足。针对数据稀疏性问题,本文首先基于Slope One算法对初始的评分矩阵进行缺失值填充,其次利用基于K-means聚类的协同过滤算法预测目标用户的评分,并结合MovieLens数据集给出了相关对比实验;针对扩展性问题,本文首先提出了一种基于中心聚集参数的改进K-means算法,其次,给出了基于中心聚集参数改进K-means的协同过滤推荐算法流程,并结合MovieLens数据集设计了相关对比实验。实验结果表明,本文所提方法推荐精度均得到显著提高,数据稀疏性和扩展性问题得到了有效改善。因此,本文的研究结论不仅可进一步丰富协同过滤推荐算法的现有理论成果,还可以为提高推荐系统的精度提供理论依据和决策参考。     

基于灰色关联聚类的协同过滤推荐算法

针对协同过滤推荐系统具有数据的高稀疏,高维度,数据量大的特点,本文将灰色关联聚类与协同过虑推荐算法相结合,构建了灰色关联聚类的协同过滤推荐算法,将其应用到协同过滤推荐系统中,以解决数据具有高稀疏高维度的特性情况下的个性化推荐质量问题。首先,定义了推荐系统中的用户项目评分矩阵,用户灰色绝对关联度,用户灰色相似度,用户灰色关联聚类。然后,给出了灰色关联聚类的协同过滤推荐算法的计算方法和步骤,同时给出了评价推荐质量方法。最后,将本文算法与基于余弦,相关分析及修正的余弦等协同过滤推荐算法在大小不同的数据集下进行了实验,实验表明灰色关联聚类的协同过滤推荐算法相较于传统的协同过滤推荐方法具有推荐质量高,计算量小,对数据大小要求不高等优点,同时在推荐系统的冷启动,稳定性和计算效率方面也具有一定的优势。     

用户集聚系数对协同过滤算法的影响研究

本文研究了用户-产品二部分网络中用户集聚系数对协同过滤算法的影响.用户集聚系数是度量目标用户的所有邻居用户的特点或者兴趣爱好相同程度的一个统计量,文章将其引入协同过滤算法的相似性计算中,并提出一种改进的算法.数值模拟显示,引入用户集聚系数统计属性的改进算法相比于CF准确性可以提高12.0％,当推荐列表的长度为50时推荐列表多样性可以达到0.649,相比于经典的CF算法提高18.2％.该工作表明用户集聚系数对推荐算法具有非常大的影响,体现了个性化推荐以用户兴趣的度量为核心的基本思想.     

基于聚类矩阵近似的协同过滤推荐研究

由于推荐系统中存在巨量的用户和商品,现有的协同过滤方法很难处理用户-商品推荐中的数据稀疏性和计算可扩展性问题。本文提出了一种基于聚类矩阵近似的协同过滤推荐方法CF-cluMA。一方面,CF-cluMA方法通过对用户和商品进行分别聚类,并利用聚类后的用户-商品分块评分矩阵来刻画用户对于商品兴趣的局部性特点,以降低用户-商品评分矩阵的全局稀疏性。另一方面,CF-cluMA方法通过对局部稠密分块矩阵实施奇异值分解,并利用施密特变换近似全局用户-商品评分矩阵来预测用户对未知商品评分,以降低协同过滤算法的复杂性。在EachMovie电影评分真实数据集上的实验表明,相比于已有的基于矩阵近似的协同过滤推荐方法,本文所提出的CF-cluMA方法能够有效提升推荐系统的准确性并降低推荐系统的计算复杂性。本文的研究对于电子商务推荐系统具有重要的管理启示。     

数据稀疏环境下基于用户主题偏好的协同过滤算法

在B2C电子商务中,user-based协同过滤算法是一种重要的推荐方法,但用户共同评价项目数据稀疏影响了user-based协同过滤算法的应用。鉴于此,在考虑用户消费水平的基础上,利用关联规则挖掘形式化描述商品间的替代相似性;利用基于时间的贝叶斯概率描述商品间的关联关系构建商品网络,通过社会网络分析中的成份分析方法对商品网分析,得到面向用户主题偏好的商品间互补性关系,进而利用这两种商品间关系构建用户主题偏好项目集,最后在数据极度稀疏的环境下通过F₁方法和多样性测量方法与传统推荐算法进行对比实验分析,实验结果显示提高了推荐结果的准确性与新颖性。研究用的所有数据均采集于京东商城网站。本文为缓解数据稀疏问题提出了一种新的方法,扩展了整体网分析方法在商品关系分析中的应用,含有理论与实践双重意义。     

一种基于用户识别特征模型的中医药健康养老信息推送算法

通过分析传统协同过滤算法的优缺点,设计构建用户识别特征模型,并提出基于用户识别特征模型的协同过滤算法,将经典协同过滤算法与基于用户识别特征模型的协同过滤算法进行比较试验,分析基于用户识别特征模型的协同过滤算法相对于经典协同算法的优势,进而证明其能够在中医药健康养老信息的推送过程中提高效率。     

一种基于可拓学的电子商务内容推荐算法研究

为研究电子商务内容推荐算法,论文从电子商务推荐系统中的瓶颈问题——相似度计算出发,借助可拓学的方法进行分析。论文将可拓学中基元的表示方法引入推荐算法中,并采用关联函数和可拓距的思想,实现了产品的表示和相似度计算,进而得到了一种新的内容推荐算法。然后通过实例分析对算法进行验证,确认了方法的可靠性和有效性。论文的研究将可拓学思想引入到推荐算法中,这对可拓思想的应用以及推荐算法的实现都起到了有益的作用。     

基于迭代加权回归的推荐算法

评分预测问题是推荐系统研究的核心.本文利用用户评分数据集发掘商品之间的自相关性:将商品看作数据网络中的节点,用商品间的差异度定义节点间的距离,进而将评分预测问题转化为网络回归问题.然后使用迭代加权回归算法进行评分预测.通过对电影评分数据集Movie Lens的分析,验证了算法的有效性,结果表明迭代加权回归算法优于基于项目邻域的协同过滤算法.     

基于用户实时行为的Slope One模型与算法

以技术创新平台为背景,针对原有协同过滤算法推荐滞后以及算法可扩展性差的问题,根据用户的实时反馈,在Slope One算法的基础上,提出了更新增量机制,分解出固定因子以及增量因子,当用户对项目的评分改变时,只需更新增量因子,提高了算法的可扩展性,更精确地反应了用户的兴趣变化。经算例验证,该算法在保证推荐精度的同时可以有效地缩短推荐时间。     

移动云计算中基于LBS的个性化服务推荐模型

随着智能手机的普及和3G技术的发展,信息呈指数式增长,从海量的信息中提取出用户感兴趣的内容已成为电子商务发展的一个重要趋势,然而传统的推荐策略已不能满足用户的需求.为此,基于移动云计算和位置信息,提出了一个个性化服务推荐模型解决方案,该方案综合了社交网络和时效性,建立了用户兴趣模型库.基于这个解决方案,在Android平台上,实现了初步的个性化图片推荐模型,取得了不错的效果.个性化服务推荐系统具有良好的发展和应用前景,能有效的保留客户,提高电子商务系统的服务能力,带来巨大的效益,具有一定的理论和现实意义.     

基于概率语言术语集的非个性化推荐算法研究

概率语言术语集以其能够准确清晰地表达决策者自身偏好且能有效处理决策过程中产生的不确定信息等优点,近年来成为了推荐领域的研究热点.然而相对于个性化推荐场景,其在非个性化推荐方面的研究至今鲜有人涉及.文章将概率语言术语集的特点与非个性化推荐相结合,从各概率语言术语值之间的横向比较出发,提出了一种非个性化产品的推荐策略,以丰富非个性化推荐算法的研究.首先利用概率语言术语集描述了系统中的产品,借助数据补齐的方法建立了产品之间的可比关系.其次,以标准化的概率语言术语集为基础,构建了非个性化产品的排序矩阵.最后,运用特征向量方法得到了一般的非个性化产品的推荐排序.论文借助MovieLens数据集进行了应用,得到了有效的推荐结果.通过对比分析验证了算法的可靠性和科学性.文章研究旨在为概率语言术语集在非个性化推荐领域的应用提供一种新的思路参考.     

基于竞赛难度与能力提高的大学生竞赛定级方法

基于竞赛难度与能力提高的大学生竞赛定级方法通过问卷调查量化学生对竞赛难度与竞赛后能力提高的感受,运用迭代协同过滤算推荐算法来预测每个学生对竞赛的打分,合成了竞赛难度与竞赛后能力提高.进而结合竞赛综合性以及竞赛影响力,得到竞赛的综合分数.最后,利用Kmeans算法对各种竞赛的得分数聚类,最终实现竞赛定级.力求在竞赛定级时体现公平性、后效性、引导性以及合理性.     

融入用户社交关系与信任关系的应用推荐方法研究

随着近年来互联网技术的快速发展,应用获取平台都面临着信息过载的问题.面对大量应用,解决用户不能快速准确地找到满足其偏好的应用的问题迫在眉睫.已有的如Cosine、Pearson等协同过滤方法普遍存在稀疏性、冷启动和可扩展性等问题,从而对推荐结果产生影响.文章在考虑用户社交关系、偏好及信任关系的基础上,提出了融合用户社交...     

基于并行约束策略的热点舆情协同控制方法

随着信息技术的不断发展,舆情传播已作为重要的社会互动形式,在现今对社交网络用户有着重大影响,故对寻求其进行有效的协同控制策略迫在眉睫.文章提出了包含多种控制策略并行的舆情传播协同控制模型,设置局部自适应观察器对热点舆情信息实施监管,提出了PC-LA法,以优化对热点舆情的控制效果.并使用庞特里雅金极大原理给出了协同控制策略的必要条件,基于改进后的萤火虫算法进行数值求解.最后,进行了数值算例实验.实验结果表明,文章所提方法能以较小成本对舆情传播进行控制,有效减少传播者与无知者的数量.     

考虑内外因素的电子商务产业与大数据产业协同演化研究

在新经济体系建设中,电子商务产业与大数据产业协同与融合成为必然趋势。在讨论二者协同关系和交叉业务内容的基础上,从系统的角度出发,基于经典哈肯模型构建了电子商务-大数据系统(EBDS)协同演化模型,并讨论了绝热消去方法的应用条件。接着,运用熵权法确定两子系统序参量的权重,进而量化了二者的有序度及协同度。通过数值拟合,验证了所构建演化模型的可信度,并发现了EBDS存在两个稳定点,但EBDS仍处于协同程度较低的互助协同阶段,对此从协同应用、产业链、风险、外部环境和生态圈五个方面给出了建议。     

基于改进二进制粒子群算法的个性化网络学习资源推荐方法

针对目前启发式算法用于解决个性化网络学习资源推荐问题时存在推荐速度较慢、不稳定等问题,文章提出基于改进二进制粒子群算法的个性化网络学习资源推荐方法(AsyBPSO-RA).该方法将个性化网络学习资源推荐问题建构为适应度函数,利用改进二进制粒子群算法(AsyBPSO)优化此适应度函数,生成推荐结果;AsyBPSO采用非对称映射函数,取代基本二进制粒子群算法中的S型映射函数,以更好地平衡算法的探索和开发阶段.通过五组实验结果对比分析发现,AsyBPSO收敛能力强,稳定性高,表明AsyBPSO-RA是较为有效的个性化网络学习资源推荐方法.     

威客电子商务作弊评价模型及算法研究

威客模式是一种新型电子商务模式,有助于知识、智慧、经验、技能体现经济价值,是电子商务应用领域的一个热点.在介绍威客电子商务模式的基础上,重点研究了影响威客电子商务发展的作弊问题,建立了作弊评价模型.利用威客的历史信息和对设计方案相似性的评价,设计了一种基于定量和定性指标的作弊可能性计算算法.根据威客电子商务的特点,探讨了基于任务金额、结合作弊评价结果的威客信用评价体系.以猪八戒威客网站两个作弊争议案例为例进行了实证分析,说明了作弊评价算法的有效性.