共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
协同过滤算法在推荐系统中得到了广泛应用。其中具有代表性的是基于有向图模型的矩阵分解法和基于无向图模型的受限玻尔兹曼机。文中提出了一种基于对称受限玻尔兹曼机的协同过滤算法,该算法充分考虑并利用了推荐系统中用户和物品的对称性,通过对用户和物品分别建立了一个受限玻尔兹曼机,最后,采用回归算法对二者的结果进行融合处理。实验结果显示该方法与其他相关算法相比具有明显的优越性。 相似文献
3.
传统组合推荐算法采用静态参数平衡协同过滤模块与社交网络模块比重,没有考虑用户自身特性.为解决上述问题,文中提出基于局部网络拓扑结构的组合模型,该模型引入聚簇系数,结合用户自身购买历史及社交网络特征,自适应调整模块融合比例,从而达到提高推荐准确度的目的.运用Epinions以及Flixster数据集对文中自适应推荐模型进行模拟,实验结果表明:基于信任网络与协同过滤的自适应组合推荐框架优于静态组合推荐模型,该模型能够有效改善推荐准确度,提高推荐效率. 相似文献
4.
为进一步提升舰船电子信息推荐算法的精准度,提出基于知识图谱的舰船电子信息协同推荐算法研究。基于知识图谱建立舰船电子信息协同推荐模型,根据模型反映数据建立相邻用户联系,过滤关联近似推荐词条,获得更精准的舰船电子推荐信息。通过对比仿真测试证明,该方法提高了信息推荐的词条数量,提升了推荐效果。 相似文献
5.
6.
7.
8.
9.
《江苏科技大学学报(社会科学版)》2015,(6)
针对标签推荐系统存在极度稀疏性的问题,通过提取标注过程的关键特征并计算元组的初始权重,构建加权元组集的张量模型;然后应用高阶奇异值分解(high order singular value decomposition,HOSVD)对张量模型降维,根据处理结果作标签推荐,从而达到提高推荐效率的目的;运用Movie Lens数据集对基于特征加权张量分解的标签推荐算法进行了模拟,实验结果表明:基于特征加权张量分解的标签推荐算法比传统算法推荐效果更好。该方法能够有效改善数据稀疏性问题,提高了推荐效率. 相似文献