搜索结果: 1-15 共查到“计算机科学技术 个性化推荐”相关记录16条 . 查询时间(0.092 秒)
中国科学院深圳先进技术研究院专利：一种基于用户群关联度的个性化推荐方法及系统
近日，中国科学院重庆绿色智能技术研究院大数据挖掘及应用中心团队在个性化推荐技术研究，以及推荐算法的个性化和长期有效等方面取得系列进展。个性化推荐技术是一种帮助人们在海量信息中获取对自己有用信息的技术。大数据时代尤其需要个性化推荐技术。目前实现大数据个性化的技术包括搜索引擎和推荐系统，其中搜索引擎根据用户主动查询关键字被动地返回相匹配的信息，而推荐系统通过对用户的学习理解主动寻找用户可能感兴趣的信息...
针对传统推荐系统数据稀疏、相似性计算方法导致共同评分用户少的问题，提出利用云模型定性概念与定量数值转换的优势，研究云模型、用户聚类的个性化推荐改进算法。用户对项目属性评价的偏好，转换为用户对加权综合云模型表示的数字特征的偏好。利用改进的聚类算法，对评分数据、原始用户属性标准化后的信息进行聚类；同时考虑用户兴趣的变化，结合用户之间项目属性评价的综合云模型的相似度、用户对项目评分的聚类、用户属性聚类这...
基于加权二部图的个性化推荐算法
二部图 加权二部图 个性化推荐
2012/3/14
针对网络推断(NBI)算法的二部图实现算法忽略二部图权重而导致实际评分值高的项目没有得到优先推荐这一问题,提出加权网络推断(WNBI)算法的加权二部图实现算法。该算法以项目的评分作为二部图中用户与项目的边权,按照用户-项目间边权占该节点权重和的比例分配资源,从而实现评分值高的项目得到优先推荐。通过在数据集MovieLens上的实验表明,相比NBI算法,WNBI算法命中高评分值项目数目增多,同时在推...
基于效用的个性化推荐方法
个性化推荐 多属性效用 变精度粗糙集 推荐服务
2012/3/12
当前的推荐方法未能从个性化效用角度评价推荐项目，因此用户需按自己的偏好，在推荐结果中进行再次筛选。针对该情况，提出一种基于效用的个性化推荐方法。该方法采用逼近于理想值的排序法(TOPSIS)作为衡量推荐对象效用的基本方法。为克服TOPSIS中静态权重设置的不足，采用可变精度粗糙集发现用户对属性的偏好。实验结果表明，该方法能为用户提供更好的个性化效用及准确性的推荐服务。
基于特定群体兴趣的混合个性化推荐算法
个性化推荐 特定群体 模糊聚类 协同过滤
2013/12/9
个性化推荐服务能够为网络用户提供针对兴趣偏好的推荐项目资源,现已被成熟地运用到网站导航、数字化图书馆检索系统、电子商务以及搜索引擎等领域.在研究有关推荐技术以及混合方式后，提出一种基于特定群体的混合推荐算法，其紧密结合了模糊聚类与两种协同过滤技术.实验结果表明，该算法不仅有效地解决了数据集的稀疏性问题，而且在一定程度上改善了推荐结果的质量.
基于Web数据挖掘的文献个性化推荐系统的设计
Web个性化信息服务 Web服务器日志 FP-tree 关联规则
2009/11/19
基于数据挖掘的Web个性化信息推荐服务日益成为一个重要的应用技术，通过使用FP-tree关联规则挖掘算法对用户文献阅读信息进行分析，发现用户的阅读习惯和阅读兴趣，进而为用户进行个性化的文献推荐，从而提高网站对用户的吸引力。
改进邻居集合的个性化推荐算法
协同过滤 邻居用户 时间权重
2009/8/19
协同过滤算法是目前个性化推荐系统中应用最成功的推荐算法之一，但传统的算法没有考虑在不同时间段内寻找最近邻居问题，导致寻找的邻居集合可能不是最近邻居集合。针对此问题，提出一种改进邻居集合的个性化推荐算法。该算法赋予每项评分一个按时间逐步递减的权重，利用加权后的评分寻找目标用户的最近邻居。实验表明，改进的算法提高了推荐系统的推荐质量。
一种基于MFSP-DG的个性化推荐算法
个性化推荐 横向推荐 纵向推荐
2009/7/8
提出一种基于最大频繁序列模式有向图的页面个性化推荐技术，由于考虑了用户会话的页面访问顺序，比一些不考虑页面访问顺序的推荐技术有更高的准确率。有向图结构压缩存储了所有最大频繁序列模式，推荐引擎依据截取的用户最近访问页面子序列，与有向图的部分路径进行匹配并进行横向推荐和纵向推荐，无需在整个模式库中搜索相同或相似的模式，从而加快了模式匹配的速度，更好地满足了页面推荐的特性和实时要求。实验证明，方法是有效...
基于商品特征的个性化推荐算法
商品特征 个性化推荐 偏爱度
2009/6/26
针对现有个性化商品推荐算法精度不高、新商品不能及时推荐等缺点，提出了一种基于商品特征、用户购买日志及用户实时浏览行为的个性化推荐算法。算法首先根据客户的在线浏览情况获取当前客户的购买倾向，然后将客户的购买日志与商品特征数据库进行对比分析，获得客户对商品特征的偏爱度及推荐参照组，依据特征实体的相似度矩阵进行特征推荐组推荐，最后结合当前的购买倾向向客户推荐商品。
个性化推荐系统中的用户建模及特征选择
个性化推荐 用户模型 特征选择
2009/4/30
提出了一种基于向量空间模型的用户模型表示及其动态学习算法，研究了用户建模中的特征选择，提出了一种根据词性标注信息将词频法和TFIDF方法相结合的特征选择方法。实验结果表明这种动态学习算法能实时捕捉并记录用户最新的兴趣需求，从而准确地推荐出符合用户兴趣的信息，同时这种基于词性标注的组合特征选择方法的效果好于单独使用词频法或TFIDF方法。
基于案例推理的电子商务个性化推荐系统
电子商务个性化推荐系统 基于案例推理 最近邻法
2009/4/17
在电子商务个性化推荐系统中，输入数据过多地依赖客户对项目的评价。针对这一问题，该文将基于案例推理技术引入到个性化推荐系统的研究中，提出了一种新的系统结构框架，分析了该框架的关键技术，通过简单的示例说明了案例推理技术在个性化推荐系统中的应用过程，并验证其有效性和准确性。
基于概念层次树的个性化推荐算法
个性化推荐 协同过滤 概念层次树
2009/4/14
改进了传统的协同过滤算法，提出了基于概念层次树的用户模型，利用该模型进行协同运算，使系统在用户共同评分项极其稀疏时也能产生推荐。在相似性计算和产生推荐阶段引入了概念分层思想，分别在商品种类上产生推荐，避免了推荐的单一现象。MovieLens数据集实验表明，改进后的算法在推荐质量上有了明显的提高。
基于协同过滤的移动电子商务个性化推荐系统若干研究
协同过滤 移动电子商务 个性化推荐系统 算法分析
2008/12/2
在简要介绍移动电子商务个性化推荐系统概念的基础上，给出了移动商务推荐系统EMC-PRS的模块结构。重点分析比较了基于最近邻居的协同过滤算法和基于项目评分预测的协同过滤算法。经测试发现，基于项目评分预测的血通过率推荐算法可以显著提高个性化推荐系统的推荐质量。