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。     

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。     

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。     

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.     

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.     

基于贝叶斯和自编码器的社会化推荐算法研究

为提高推荐结果的精度和个性化程度,文章有效利用多种信息源,将贝叶斯方法和深度学习结合,提出一种基于贝叶斯自编码器的社会化推荐算法.算法首先利用混合隶属度随机块模型MMSB (Mixed membership stochastic block)对用户间交互关系建模,结合用户的属性特征,利用自编码器学习用户的隐含特征向量;然后利用主题模型结合自编码模块学习物品特征向量;最后利用概率框架将物品和用户间的各种属性统一起来,共同学习矩阵分解模型中的关系矩阵.模型中的参数利用变分EM算法进行推理.实验结果表明与同类算法比较,算法在精确度和覆盖率上有不同程度的提升,且能够得到比较个性化的推荐结果.     

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。     

融合跳转关系和用户偏好的新闻热度预测

互联网时代的到来使新闻更新频率加快、传播范围更广,为了迅速控制不良信息、加强互联网信息治理,构建模型预测新闻未来热度具有重要意义.文章聚焦新闻间关系的挖掘,在适度融合用户偏好信息的前提下,提出了一种融合跳转关系和用户偏好的新闻热度预测方法.该方法首先结合新闻内容和历史跳转概率生成新闻跳转关系网络,并使用文章提出的多任务图卷积矩阵补全模型MGCMC (multi-task graph convolutional matrix completion)对分布稀疏且不平衡的跳转概率矩阵进行预测,以获得未来的新闻跳转关系网络特征,当新闻平台推荐给用户一组处于传播状态的新闻时,结合用户个性化偏好预测其点击行为,最终获得新闻热度.基于真实用户-新闻交互数据集Mind的实验结果表明,MGCMC相比现有的矩阵补全和不平衡预测模型表现更佳,能更准确地预测用户-新闻点击行为,并更准确发现热度较高的新闻.     

Effect of local information within network layers on the evolution of cooperation in duplex public goods games

Traditional works of public goods game (PGG) are often studied in simplex networks where agents play games through the same type of social interactions. In order to promote cooperation against the defection in PGGs in simplex network environment, many mechanisms have been proposed from different perspectives, such as the volunteering mechanisms, and the punishment and reward approaches. However, due to diverse types of interactions between agents in reality, the study of PGG should also consider the characteristic of multiplexity of networks. Hence, we firstly model the public goods game in the duplex network (for simplification of analysis, the duplex network is considered), in which agents have two types of social interactions, and thus the network is modeled as two network layers. This type of PGG is naturally named as duplex public goods game (D-PGG), in which agents can select one of the network layers to allocate their limited resources. Then for the new game environment (D-PGG), we propose a novel perspective to promote cooperation: degrading the information integrity, i.e., agents get information just from one network layer (local information) rather than from the whole duplex network (global information) in the evolution process. Finally, through theoretical analyses and simulations, we find that if agents imitate based on the local information of the payoff in the evolution, cooperation can be generally promoted; and the extent of promotion depends on both the network structure and the similarity of the network layers.     

基于浏览器用户关注度的人群定向

为了实现互联网广告的精准投放,需要对用户的行为数据进行分析,找出潜在目标客群,即人群定向.然而,目前就这个问题的研究相对较少.研究的目的是利用浏览器用户的历史访问记录中的URL信息,分析其对指定商品的关注程度,判断其是否属于潜在目标客群.考虑到URL信息的模糊性和多样性,采用模糊综合评判的方法,建立了浏览器用户对指定商品关注程度的判别分析模型,为DSP平台提供了一种广告投放策略.     

Classification of qualitative data

A method has been described for classifying a collection of items characterized by qualitative attributes. The method uses mainly two concepts, typicality and similarity. The first of these has been derived by applying information-theoretical tools to the data. Typicality is a relation of one item to the whole collection. Similarity is a one-to-one relation between two items and depends on the number of common properties shared by them.The method has been programmed for the IBM 1620 computer.     

基于特征曲线和曲面匹配的弹痕自动比对方案

提出了消除测量误差的两套方案:基于特征曲线提取的方案和基于曲面匹配的方案.建立了中心重合法、近似法矢重合法与多点预定位法相结合的曲面匹配模型;讨论并给出了用于弹痕比对的六个差异度衡量指标;建立了弹痕及弹头相似度模型;给出了方案的有效性评价体系;最后,对一组实际的弹痕数据,进行有效性验证,取得了较高的正确率.     

Pricing Behaviors on Networks: Some General Results for Two-way Networks

In this paper, we study monopolistic pricing behaviors within a two-way network. In this symbiotic production system, independent decision centers carry out an activity which concurs to the production of different system goods. The players are assumed to know the whole network. Due to this rationality, they try to capture a share of the profit of the firms who sell the system goods to the consumers. These double marginalization behaviors are studied within very general networks. Conditions with ensure existence and uniqueness are discussed. We even provided a complete characterization of an equilibrium. Potential applications are also discussed     

An approximation algorithm for the pickup and delivery vehicle routing problem on trees

This paper presents an approximation algorithm for a vehicle routing problem on a tree-shaped network with a single depot where there are two types of demands, pickup demand and delivery demand. Customers are located on nodes of the tree, and each customer has a positive demand of pickup and/or delivery.Demands of customers are served by a fleet of identical vehicles with unit capacity. Each vehicle can serve pickup and delivery demands. It is assumed that the demand of a customer is splittable, i.e., it can be served by more than one vehicle. The problem we are concerned with in this paper asks to find a set of tours of the vehicles with minimum total lengths. In each tour, a vehicle begins at the depot with certain amount of goods for delivery, visits a subset of the customers in order to deliver and pick up goods and returns to the depot. At any time during the tour, a vehicle must always satisfy the capacity constraint, i.e., at any time the sum of goods to be delivered and that of goods that have been picked up is not allowed to exceed the vehicle capacity. We propose a 2-approximation algorithm for the problem.     

基于贝叶斯网络的工程项目进度完工概率分析

针对传统计划评审技术(Program Evaluation and Review Technique,PERT)在计算完工概率时假设条件的局限性(假设条件与工程实际存在偏差,导致完工概率偏大),提出了基于贝叶斯网络的施工进度完工概率分析方法.首先,分析了贝叶斯网络与进度计划网络之间的相似性,将两者结合起来构建了贝叶斯进度网络;在此基础上,综合考虑贝叶斯网络在节点取值及概率计算方面的优越性,并结合工程项目的不确定性及复杂性特点,建立了基于贝叶斯网络的施工进度完工概率分析模型.最后,将该模型应用于具体工程进行实例分析,验证了模型的可行性与有效性.研究结果表明:基于贝叶斯网络的进度完工概率模型充分考虑了工程施工中的风险因素,其结果能更客观地反映工程实际,可为工程项目决策者提供可靠的依据.     

一个基于张量火车分解的张量填充方法及在图像恢复中的应用

低秩张量填充在数据恢复中有广泛应用, 基于张量火车(TT) 分解的张量填充模型在彩色图像和视频以及互联网数据恢复中应用效果良好。本文提出一个基于三阶张量TT分解的填充模型。在模型中, 引入稀疏正则项与时空正则项, 分别刻画核张量的稀疏性和数据固有的块相似性。根据问题的结构特点, 引入辅助变量将原模型等价转化成可分离形式, 并采用临近交替极小化(PAM) 与交替方向乘子法(ADMM) 相结合的方法求解模型。数值实验表明, 两正则项的引入有利于提高数据恢复的稳定性和实际效果, 所提出方法优于其他方法。在采样率较低或图像出现结构性缺失时, 其方法效果较为显著。     

一个基于张量火车分解的张量填充方法及在图像恢复中的应用

低秩张量填充在数据恢复中有广泛应用, 基于张量火车(TT) 分解的张量填充模型在彩色图像和视频以及互联网数据恢复中应用效果良好。本文提出一个基于三阶张量TT分解的填充模型。在模型中, 引入稀疏正则项与时空正则项, 分别刻画核张量的稀疏性和数据固有的块相似性。根据问题的结构特点, 引入辅助变量将原模型等价转化成可分离形式, 并采用临近交替极小化(PAM) 与交替方向乘子法(ADMM) 相结合的方法求解模型。数值实验表明, 两正则项的引入有利于提高数据恢复的稳定性和实际效果, 所提出方法优于其他方法。在采样率较低或图像出现结构性缺失时, 其方法效果较为显著。