排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
现有好友推荐方法只利用用户关系或内容信息进行推荐,难以获得较好的推荐质量. 针对该问题,在利用非负矩阵分解模型适合数据聚类以及数据约简的基础上,提出一种基于非负矩阵分解的好友推荐方法:FRNMF. 该方法采用基于非负矩阵分解的用户聚类为核心的好友推荐框架,利用用户好友关系网络信息和内容信息分别进行用户聚类,然后基于聚类结果计算用户间的综合相似度并进行好友推荐;不仅可以综合集成利用用户关系和内容两类信息,而且具有线性时间复杂度,还可以解决数据稀疏引起的推荐质量下降问题. 实验开发了FRNMF的原型系统,并在真实的新浪微博和学者网社交网络数据集进行对比实验,结果表明FRNMF比传统的好友推荐方法具有更好的推荐质量. 此外,对用户关系和内容两类信息的权重参数设置进行实验分析,分析表明适当提高用户关系信息的权重对于提高好友推荐质量具有促进作用. 相似文献
3.
土中毛细水运移阶段理论研究 总被引:1,自引:0,他引:1
利用Hagen—Poiseuille流动推导出土中毛细水运移的毛细动力学方程,根据不同外力对毛细水运移的作用效果不同,将毛细水运移过程划分为若干阶段,并根据不同阶段的外力作用特点推导出毛细水运移的高度一时间方程,形成毛细水运移阶段理论;对毛细水运移阶段理论的5个关键参数进行分析,并对毛细水数据进行了的一定的理论拟合分析。 相似文献
1