多因素复合度量的协同过滤推荐算法

来源 :计算机应用研究 | 被引量 : 8次 | 上传用户:jinyu9782
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
单一评分相似性度量及数据稀疏导致了传统推荐算法计算出的用户或项目近邻不准确、推荐质量不高,为此,提出了一种多因素复合度量的协同过滤推荐算法。该算法基于用户访问次数、停留时间及评分定义了一个多因素约束的相似性计算函数,避免了单一评分相似性度量问题,提高了相似性计算的准确度;同时,基于项目类别、目标用户已访问的项目、已访问过待预测评分项目的用户、访问时序建立了项目及用户信任模型,在数据稀疏及冷启动时用信任依赖度代替相似度预测评分,解决了相似性计算数据不充分的问题。实验结果表明,该算法能显著提高最近邻计算
其他文献
通过分析校园师生基于GPS的真实活动轨迹,以及何种算法才最适合具有自私性的移动用户展开合作,提出一种高能效及用户公平定位技术。通过采用代理设备合作思想,提出一种集中式最优算法,在保证固定精度界限和设备公平的基础上,实现移动设备GPS时间平均功率最小化。通过控制退避时间和GPS关闭时间,提出一种分布式准最优算法。最后,基于多种拓扑结构进行全面的仿真实验,验证了算法的高能效性和公平性。
针对传统的特征提取算法在图像匹配过程中易出现误匹配现象,提出在ORB算法的基础上融入一种最小平方上值估计法——LMedS方法。利用ORB算法的特点和LMedS方法去除可能存在的外点,消除误匹配现象,从而得到正确的匹配特征对,使特征匹配率有很大的提高;同时采用基于非线性最小二乘进行姿态估计,通过迭代算法估算相机姿态完成虚实注册。实验结果表明,该方法无论是在特征点匹配还是在实际场景中都具有很好的鲁棒性
为解决连续值特征条件互信息计算困难和对多值特征偏倚的问题,提出了一种基于Parzen窗条件互信息计算的特征选择方法。该方法通过Parzen窗估计出连续值特征的概率密度函数,进而方便准确地计算出条件互信息;同时在评价准则中引入特征离散度作为惩罚因子,克服了条件互信息计算对于多值特征的偏倚,实现了对连续型数据的特征选择。实验证明,该方法能够达到与现有方法相当甚至更好的效果,是一种有效的特征选择方法。
对于切碎英文文档自动拼接还原中无法利用碎纸片几何形状特征的问题,提出一种基于灰度值矩阵的文档碎片拼接方法。利用碎片图像的特征向量消除同行字母处于不同高度的负影响,提取其特征位置作为动态聚类的分类标准,依据文本行特征进行动态聚类和类间排序,设计了一种基于原图像碎片边界矩阵的四邻拼接算法进行逐一高效地拼接还原。仿真结果表明,该方法准确率较高且操作简便,对规则碎片拼接还原具有良好的实际意义。
传统的安全机制为了保障系统的安全性可能会牺牲网络的性能,因其系统资源的有限性。主要研究通过协同进化算法使得网络控制系统的性能和安全性达到最优折中。以DC运动系统为例,给出了性能和安全性的折中模型。同时还给出了基于协同进化算法的性能和安全性折中的最优化算法。实验结果证明协同进化算法能够非常有效地找到网络控制系统折中模型的Nash平衡。同时给出的模型还非常适用于网络控制系统性能和安全性折中的分析和最优
计算星座区域覆盖率的传统网格点法耗时长、计算效率低。基于抽样理论,提出了一种基于抽样的网格点仿真方法,并给出了两种不同类型精度要求下覆盖率计算的方法。同时,提出了误差估计方法,可以定量地根据置信度以及精度需求去调整网格大小,合理地控制误差与计算时间,避免了盲目调整导致的资源浪费。最后进行了仿真实验。实验结果表明,把抽样方法应用于网格点法之中是可行的也是有效的。而且,通过与传统的网格点计算方法相比,
人工蜂群算法(artificial bee colony algorithm,ABC)是一种简单有效的群智能算法,通过蜜蜂之间的相互合作寻找最优解。禁忌搜索算法(tabu search algorithm,TS)是人工智能与局部邻域搜索算法的结合,具有非常好的全局寻优能力。为了提高ABC的搜索效率和全局寻优能力,结合TS,在ABC中增加一个禁忌表,提出了一种基于禁忌搜索的人工蜂群算法(artifi
针对三维模型简化后的精度与效率难以平衡的问题进行研究,提出一种局部特征熵的半边折叠非均匀网格简化算法。采用两次局部区域聚类探测,首先探测三维数据点所在边聚类局部区域,获取该探测区域法向量;其次以三维数据点邻近点区域的重心约束来探测二次聚类区域法向量。根据信息熵的定义,利用两次探测的法向量间的夹角信息构建局部区域特征熵值作为半边折叠的代价,局部区域特征熵越大表示该区域越趋于平面,应优先简化,否则当保
研究采用任务并行的方法,对Fast Q格式文件的压缩程序DSRC(DNA sequence reads compression)进行了加速。这一任务并行算法将DSRC分为数据读入和数据压缩两个独立的任务,而后将数据压缩的统计过程进一步细分为title行数据统计和其他数据统计两个独立任务。研究结合CPU多线程、GPU、MIC(many integrated core),针对title行数据设计了高并
不确定时态的语义处理及近似运算是时态系统的研究与应用中不可忽视的基本问题。不确定语义的转换、时态粒度的规范化以及不确定时态间的近似运算和语义还原成为不确定时态信息处理中的难点。针对时态跨度中不确定语义造成的时态不确定性与多样性,提出了对不确定语义进行转换的思想,将其转换为区间数的形式,结合时态的粒度属性,给出了不确定时态跨度的形式化描述,使其成为可计算问题;根据时态粒度约束对不确定时态跨度进行了规