推薦算法
- 基于語音控制和推薦算法的適老化購物APP設計與實現
d2Vec和推薦算法等相關技術，并依據相關適老化標準及文獻，設計出一款符合老年群體生理和心理的UI界面，大大降低了操作門檻，為老年群體的網絡購物帶來極大的便利。關鍵詞：Word2Vec；語音控制；推薦算法；適老化設計中圖分類號：TP311? 文獻標識碼：A? 文章編號：2096-4706（2023）15-0021-05Design and Implementation of an Age-friendly Shopping APP Based onVoic
現代信息科技 2023年15期2023-09-18
- 規訓與突圍：基于推薦算法的思想政治教育話語困境與應對
春燕摘 要：推薦算法建構的擬態環境日漸成為影響思想政治教育話語發展的全新場域。算法嵌入思想政治教育后，算法權力躍升衍生的“算法霸權”“算法成癮”“算法歧視”“算法黑箱”風險不斷弱化思想政治教育話語主體性、操縱話語內容、沖擊話語理念、消解話語認同。為完成思想政治教育話語由“追逐算法”到“駕馭算法”的轉變，思想政治教育者需主動介入算法，依托內容、關聯規則、協同過濾、知識規則、效用規則推薦算法的技術優勢，賦能話語內容“聚流量”、話語議題“強關聯”、話語客體“達共
理論導刊 2023年9期2023-09-16
- 基于行為特征及關系網的大學生就業推薦算法研究
業特征為就業推薦算法提供了建模依據，其實現方式為采集數據、提取特征、訓練算法模型。數據采集階段需進行分類和預處理，確保數據格式、數值等符合要求。文章依托深度神經網絡，提取了大學生行為序列特征，建立了PRHN推薦算法的理論模型。關系網可充分發掘學生數據和企業數據的圖譜結構，有助于提升PRHN就業推薦算法的命中率，改善推薦集內的企業排序。因而可將關系網融入推薦算法，輔助完成推薦任務，提升算法性能和效果。關鍵詞：行為特征；關系網；大學生就業；推薦算法中圖分類號：
無線互聯科技 2023年7期2023-06-25
- 基于MVC的母嬰用品租賃系統的設計與實現
系統通過引入推薦算法，改善了用戶的體驗度，為用戶提供了一個便捷的母嬰用品租賃平臺。關鍵詞：推薦算法；租賃；MVC；SSM中圖分類號：TP311? ? 文獻標識碼：A文章編號：1009-3044（2023）01-0053-05開放科學（資源服務）標識碼（OSID） ：1 緒論2021年8月，全面三孩生育政策正式通過，意味著中國三孩政策全面開放[1]。這一重大的政策變動將對母嬰消費市場產生了巨大的影響[2]。為了提倡共享經濟，有效節約資源，針對兒童玩具、嬰兒推
電腦知識與技術 2023年1期2023-05-30
- 基于知識圖譜的隱私保護推薦算法
；隱私保護；推薦算法；RippleNet；差分隱私0 引言智能技術與人類生活緊密結合在一起，為人類的衣食住行各個方面提供了極大的便利，但也存在信息冗雜的問題。為了挖掘用戶的興趣并輔助用戶在大量的數據信息中快速找到自己的目標信息，本文采用推薦算法能夠較好地解決這一需求。通過對用戶和項目之間的交互行為的深入研究，推薦算法可以準確地識別出用戶的興趣偏好，并將最適合他們的選擇作為最終的決策依據。當前，推薦算法的發展趨勢表明，協同過濾、內容分析和深度學習等技術已經成
電腦知識與技術 2023年7期2023-04-27
- 個性化習題路徑推薦方法研究綜述
部迭代路徑；推薦算法中圖分類號：TP391 文獻標識碼：A1引言（Introduction）在線題庫和在線判題系統[如“力扣”（leetcode），為全球程序員提供IT技術職業化提升的平臺]因學習資源多且用戶基數大，采用人工方式無法為每位平臺的學習者提供個性化指導。個性化習題路徑推薦旨在根據學習者的學習能力、知識背景等個性化特征，自動從題庫中選取適合該學習者的習題，并以合理的順序推薦習題。本文對近年來開展的個性化習題路徑研究工作進行了梳理，首先按照推薦形式
軟件工程 2023年4期2023-04-07
- 基于貝葉斯估計的茶飲數據推薦算法
及貝葉斯估計推薦算法的加持下，能科學地得出相關的茶飲店鋪推薦情況，從而給予消費者以及企業極大的參考價值。該文對從網頁端獲取到的茶飲數據，如茶飲店鋪名稱、店鋪詳情、店鋪評分、評價人數、人均消費等信息進行算法分析，研究了數據分析過程中的基本流程，以及貝葉斯估計推薦算法所蘊含的推薦原理.總結了從數據源頭的收集，到存儲直至分析應用，最終挖掘出數據價值的過程，整個分析結果為用戶及企業奠定了科學選擇的基礎。關鍵詞：Python爬蟲;數據分析;貝葉斯估計;推薦算法中圖分
電腦知識與技術 2022年17期2022-08-31
- 協同過濾推薦算法的優化研究
后的協同過濾推薦算法能有效提升推薦效果。關鍵詞：協同過濾;相似性度量;推薦算法中圖分類號：TP391 ? ? ? ?文獻標識碼：A文章編號：1009-3044（2022）13-0088-031 引言推薦系統領域的興起和互聯網的快速發展息息相關，也是互聯網經濟落地的主要場景之一。在推薦系統領域中，通過推薦算法從海量數據中挖掘用戶的興趣，捕捉更精確的深度信息，精準地推薦給用戶，促進用戶更加高效地接收信息[1-3]。推薦系統對于大數據時代具有強大且不可替代的推動
電腦知識與技術 2022年13期2022-06-11
- 基于內容推薦算法的點餐系統的設計與實現
一款基于內容推薦算法和微信公眾平臺的小程序點餐系統。該系統通過調查問卷收集用戶信息，應用基于內容的推薦算法分析用戶個人的飲食偏好，推出適合用戶的個性化菜品，實現線上點餐、推送個性化菜肴、信息反饋等功能，有效解決了師生點餐難、取餐難、就餐難等問題，節省了時間與人力，滿足快節奏的生活需求。關鍵詞：微信小程序;推薦算法;點餐系統中圖分類號：TP311? ? 文獻標識碼：A文章編號：1009-3044（2022）10-0048-02隨著物聯網行業的迅速發展和小程序
電腦知識與技術 2022年10期2022-05-30
- 基于KL散度的ALS推薦算法
傳統協同過濾推薦算法在稀疏數據上推薦準確度低的問題，提出一種基于KL散度的ALS推薦算法KL-ALS。傳統ALS算法計算物品相似度時只考慮了用戶之間的共同評分項，得到的相似性與真實值會有一定的誤差，而采用KL散度計算物品相似度時，對用戶評論的數量不做任何限制，不依賴于用戶共同評分項。KL-ALS算法首先將ALS算法計算物品相似度和KL散度計算的物品相似度按照一定權重混合，產生總體相似度，進而采用ALS算法訓練模型，能夠更加準確地度量物品間的相似度，改善推薦
電腦知識與技術 2022年12期2022-05-29
- 基于TSVD的協同過濾推薦算法研究
典的協同過濾推薦算法的一系列不足，如用戶冷啟動、商品評分稀疏性以及推薦精度不高，文章提出基于截斷奇異值分解（TSVD）的協同過濾推薦算法。使用TSVD技術對稀疏矩陣進行降維處理，利用Jaccard相似度算法計算用戶間相似度，提高推薦精度。實驗結果顯示，基于截斷奇異值分解（TSVD）的協同過濾算法體現良好的推薦質量及預測精度。關鍵詞：推薦算法;協同過濾;稀疏矩陣;截斷奇異值分解中圖分類號：TP391? ? ? 文獻標識碼：A文章編號：1009-3044（20
電腦知識與技術 2022年4期2022-04-29
- 智能算法在高考志愿推薦平臺中的應用研究
;智能算法;推薦算法;推薦平臺中圖分類號：TP311? ? ? 文獻標識碼：A文章編號：1009-3044（2022）06-0049-03開放科學（資源服務）標識碼（OSID）：1 概述近些年，各省高考政策、考試內容、考核方式、錄取制度等都在不斷調整，高校招生也在變革之中。與此同時，市面上的高考志愿推薦平臺層出不窮，更多是通過對往年高考錄取分數和排名分析來推薦高校，沒有考慮到考生需求、學科偏好等，很難切實進行個性化“因材推薦”。智能算法近年來發展迅速，并已
電腦知識與技術 2022年6期2022-04-09
- 基于協同過濾算法的高校社團推薦系統的設計與實現
于協同過濾的推薦算法，找到共同出現的頻率來計算語義的相似度，并通過計算空間向量的夾角余弦值進而計算文本之間的相似度，能夠在提高社團管理者工作效率的同時，為需要加入社團的學生和對社團文化有濃厚興趣的學生提供更加全面的信息。實驗結果表明，當推薦項目數量為10時，該方法的召回率、準確率和Fl值分別提高了12.81%、7.65%和14.51%，表明基于協同過濾的推薦算法可有效提高推薦結果。關鍵詞：社團管理;推薦算法;語義相似度;余弦相似度中圖分類號：TP311.5
軟件工程 2022年2期2022-03-09
- 協同過濾推薦算法在視頻緩存策略中的應用
于矩陣分解的推薦算法對用戶需求進行分析，篩選出用戶可能感興趣的視頻，并利用基于加權評分預測值的貪婪緩存算法選擇合適的內容進行緩存。仿真實驗的結果表明，該算法可以將緩存命中率提高5-10%。關鍵詞： CDN; 緩存策略; 推薦算法; 矩陣分解中圖分類號：TP393? ? ? ? ? 文獻標識碼：A? ? 文章編號：1006-8228（2022）02-12-04Application of collaborative filtering recommendat
計算機時代 2022年2期2022-02-24
- 協同過濾算法改進實驗及對比分析
：在協同過濾推薦算法中融入時間因素對其進行改進，為了驗證改進后的算法能夠把推薦的準確度給提高，使用Python編程語言，在電影數據集Movielens中的ml-lm數據集下進行實驗，對比傳統與改進算法之間的MAE值。文章介紹了實驗的目的、評價指標、理論知識、過程和結果。通過實驗的結果可以明顯看出這種改進后的算法能夠提高推薦的準確度。關鍵詞：協同過濾；推薦算法；改進；MAE；實驗中圖分類號：G642? ? ? ? 文獻標識碼：A文章編號：1009-3044（
電腦知識與技術 2022年35期2022-02-17
- 基于資源分配的推薦算法研究
給出一個新的推薦算法（UTMT）。在數據集MovieLens_100K上對算法進行試驗，并與資源分配中的熱傳導算法作比較，結果表明，構建的UTMT推薦算法預測結果的準確率較之熱傳導算法有較大的提升。關鍵詞：二分圖;馬太效應;用戶可信度;資源分配;推薦算法中圖分類號：TP391.3? ? ? 文獻標識碼：A ? 文章編號：2096-4706（2021）08-0127-03Research on Recommendation Algorithm Based o
現代信息科技 2021年8期2021-11-03
- 基于隱語義模型的學生選課推薦算法
模型學生選課推薦算法。本算法使用隨機梯度下降法優化損失函數;對選課推薦算法執行過程中的冷啟動問題提出了一種處理方案;通過評價指標召回率、準確率以及平衡F分數驗證本算法推薦的可行性和有效性，在所收集到的學生選課數據集上進行測試，實驗結果表明，該算法具有一定的優勢。關鍵詞：推薦算法;潛在關系;隱語義模型Abstract：In order to enable students to take courses correctly and reasonably， a
計算技術與自動化 2021年3期2021-10-01
- 一種簡易體育素質測試設備的設計與實現
行展示，運用推薦算法為測試者推薦相應的訓練指導和教程。經試驗測試表明，該設備可實現多模式精準測試，通過記錄分析歷史數據，提供有針對性的教程，且設備簡便易攜，可在任何場景下使用，具有廣闊的發展前景。關鍵詞：體育素質測試;體育鍛煉;測試設備;推薦算法1 背景我國是體育大國，目前正朝著體育強國轉變[1]，人們對于體育健身的需求和追求日益強烈。在當前大力發展學生核心素養的新形勢下，體育素質培養是培養學生全面發展的關鍵部分，也是整個社會發展的客觀要求[2]。體育高考
電腦知識與技術 2021年22期2021-09-14
- 基于高維張量分解的個性化教育資源推薦算法研究
性化教育資源推薦算法，在分解中能夠保留高維空間的信息完整性，避免了傳統推薦算法在分解中原始信息和特征的丟失，從而為個性化學習資源推薦的研究提供參考。關鍵詞：高維張量分解;個性化;教育資源;推薦算法0 引言目前，個性化推薦技術已經在互聯網及電子商務（淘寶、京東等平臺）中使用，效果也尤為顯著[3]，近幾年個性化推薦技術已經逐漸成為教育資源領域應用的研究熱點，從而使學習者與教育資源之間形成“找”和“推”的雙向模式。學習者對教育資源的選擇會根據學習目標、學習風格等
無線互聯科技 2021年10期2021-09-13
- 基于用戶興趣變化的混合推薦算法分析
銘煜摘 要：推薦算法被應用在商品購物、音樂推薦、書籍推薦等網站。如何根據這些已有的用戶行為數據讓用戶快速做出抉擇，推薦算法顯得十分重要。傳統的協同過濾算法沒有考慮到用戶的興趣是隨時間而變化的。文章首先在傳統的協同過濾算法的基礎上構建時間變化函數，對用戶以往的評分數據，對數據做時間加權，提高預測用戶興趣的能力。針對當前推薦算法都會遇到的評分稀疏性問題，文章提出了把基于時間權重的協同過濾算法與基于關聯規則的推薦算法進行混合推薦，提高了算法的準確率。關鍵詞：推薦
無線互聯科技 2021年8期2021-09-13
- 大數據平臺下實時電影推薦算法研究
足，協同過濾推薦算法的不足也越來越明顯。為此，通過大數據計算框架Spark平臺構建基于模型的推薦算法來更好地應對海量數據實時推薦的問題。首先，通過預先設定的計算方法進行模型的構建;同時將一種改進的余弦相似度算法應用到模型中，不僅可以縮短推薦實現的時間，而且可以提高推薦性能。實驗結果表明，該算法和傳統協同過濾算法相比，提高了準確率和時效性，驗證了系統可較好地滿足用戶的實時需求。關鍵詞：Spark;實時;推薦算法;協同過濾中圖分類號：TP399? ? ?文獻標
軟件工程 2021年9期2021-09-13
- 基于改進LDA主題模型的個性化新聞推薦算法
特點，對傳統推薦算法和標準LDA主題模型進行思考，提出一種基于LDA（Latent Dirichlet Allocation）的文檔-主題-詞的三層貝葉斯概率模型結合時間函數的推薦算法，采用Gibbs Sampling進行超參數推導，提升推薦效果。實驗結果表明，該算法在適當參數設定下的推薦結果比協同過濾及標準的基于改進LDA模型的算法有更小的預測誤差，向用戶推薦偏好新聞更有效率。關鍵詞：LDA主題模型;貝葉斯模型;推薦算法;時間函數中圖分類號：TP391;
赤峰學院學報·自然科學版 2021年6期2021-08-12
- TextRank與用戶情感傾向在推薦算法中的研究
戶情感傾向在推薦算法中的應用，本文在TextRank算法進行細致分析的基礎上，結合動態數據的時效性特點進行了綜合改進，結合時間衰減參數與時效性參數TL，將原本單一的PR值變為了綜合PR值，實驗結果證明，綜合PR值相比于原PR值是更加合理的。在此基礎上，利用綜合PR值數據與用戶自身的靜態數據以及用戶情感傾向進行整合，通過推薦算法的綜合篩選，得出最終的推薦結果，為用戶提供了一個良好的體驗。關鍵詞：動態數據 ?TextRank ?PR值 ?推薦算法 ?情感傾向中
科技創新導報 2021年11期2021-08-10
- 綜合能源線上服務推薦算法研究
合能源服務;推薦算法;興趣圖譜;譜聚類;隨機森林0? ? 引言隨著國家對電力體制改革的不斷推進、售電側市場的開放以及新型能源大量接入傳統電網，綜合能源服務將逐漸成為電網公司的運營重點。目前，我國電力企業發展正處于轉型的關鍵時期[1-6]。綜合能源服務是一種新型的能源服務模式，可以滿足客戶多樣化的能源生產和消費需求，涉及能源規劃設計、設施投資建設、多能源運行服務、融資服務等。同時，綜合能源服務融合了物聯網、大數據和云計算等關鍵技術，以提高能源利用率，降低能源
機電信息 2021年12期2021-06-11
- 構建線上課堂智慧型應用模式的思考
畫像;并引入推薦算法，實現授課反思內容或學生弱項提升的精準推送。本文還闡述了高職校在構建線上課堂智慧型應用模式中的推進策略。關鍵詞：線上智慧課堂;聚合型應用;學生畫像;推薦算法中圖分類號：G511 文獻標識碼：A2018年4月，教育部發布《教育信息化2.0行動計劃》，提出建設“適應5G網絡技術發展，服務全時域、全空域、全受眾的智慧學習”，建成“互聯網+教育大平臺”;[1]2019年1月，教育部發布《關于加強網絡學習空間建設與應用的指導意見》，提出要加快推進
科技風 2021年8期2021-03-30
- 網絡推薦算法中的意識形態安全風險研究
化時代，網絡推薦算法不斷更新和應用，在為人類提供便利的同時也帶來了網絡意識形態安全風險，可能產生價值分化、技術黑箱、主流意識形態話語權被削弱以及信息繭房等問題。文章研究網絡推薦算法中的意識形態安全風險，以推進網絡安全與國家安全得到保障。關鍵詞：意識形態;推薦算法;互聯網中圖分類號：G641 文獻標識碼：A 文章編號：1004-9436（2021）22-00-03意識形態關乎旗幟，關乎道路，關乎國家政治安全?！霸谛碌臍v史條件下，互聯網已成為輿論斗爭的主戰場。
藝術科技 2021年22期2021-03-21
- 基于正則化矩陣分解的電影推薦算法
于基于內容的推薦算法分別降低了0.34%和0.17%，相較于基于用戶的協同過濾算法分別降低了14.12%和29.72%。實驗表明，本文提出的推薦算法能夠考慮不同年齡的差異，實現更加符合用戶實際的推薦需求，提高了推薦準確度和穩定性，改善了推薦誤差。關鍵詞：正則矩陣分解;用戶細分;推薦算法;協同過濾中圖分類號： TP391? ? 文獻標識碼： A文章編號：1009-3044（2021）01-0022-02隨著信息技術的快速發展，電影娛樂也成了人們生活的一部分，
電腦知識與技術 2021年1期2021-03-15
- 服裝推薦服務平臺的研究與開發
服務平臺使用推薦算法來提高用戶的購物體驗，以此促進消費。該平臺主要研究基于協同過濾推薦算法實現服裝推薦功能，并實現店鋪入駐、服裝商品管理、商品交易、服裝推薦、消息會話、圈子發現功能。平臺采用前后端分離的開發方式，運用Spring Boot+MySQL+MyBatis+Vue等技術完成平臺的設計與實現。關鍵詞：推薦算法;Spring Boot;服務平臺;Vue中圖分類號：TP311 ?文獻標識碼：A 文章編號：2096-4706（2021）12-0107-0
現代信息科技 2021年12期2021-01-14
- 一種稅收優惠政策的精準推薦方法
度以及改進的推薦算法確定兩個目標集合，然后通過兩個集合取并集的方式確定最終目標納稅人群體，實現稅收優惠政策的精準推薦服務。關鍵詞：稅收優惠政策;精準推薦;文本相似度;推薦算法中圖分類號：TP3?文獻標識碼：A引言現有的稅收優惠政策宣傳主要通過納稅學堂輔導、專題講座、網站政策公告等傳統的方式，傳統方式一方面時效性較差，另一方面對納稅人沒有針對性，使很多滿足要求的納稅人無法及時享受優惠政策的紅利。推薦系統[1]的應用已經在多個領域進行使用，本文旨在將推薦系統在
科學導報·學術 2020年50期2020-12-23
- 基于云服務器的云南民族文化旅游信息推薦系統
計了旅游信息推薦算法，采用云服務器、MVC模式開發了旅游信息推薦系統。該系統能夠通過客戶信息、偏好規劃處最佳旅游路線，并實現旅游消息推送。與大型網站推薦的旅游攻略相比，該系統時效性強，能夠為游客提供更加合理的旅游路線。關鍵詞：推薦算法;MVC模式;云服務器;時效性中圖分類號：TP 391文獻標志碼：A文章編號：1007-757X（2020）11-0033-03Abstract：The general recommendation system cannot
微型電腦應用 2020年11期2020-12-23
- 基于卷積神經網絡的電視頻道推薦算法
）的電視頻道推薦算法，首先根據用戶歷史觀看行為得到隱性觀看特征，以及根據用戶觀看電視頻道不同時段的節目簡介得到用戶特征標簽和電視頻道標簽，然后在卷積神經網絡模型中訓練得到預測評分，最后通過預測評分對目標用戶進行推薦個性化推薦，同時考慮了冷啟動問題，使用K-Means方法來解決。我們設計了不同推薦算法的性能對比實驗，最終通過基于廣電運營平臺中真實數據集的實驗表明我們提出的算法優于其他幾種基線推薦方法，提高了推薦質量。關鍵詞： 電視頻道;推薦算法;卷積神經網絡
軟件 2020年10期2020-12-23
- 一種基于用戶和商品屬性挖掘的協同過濾算法
興趣評分; 推薦算法; 混合推薦; 實驗分析中圖分類號： TN911.1?34; TP183 ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）23?0120?04Abstract： In order to solve the problem of inaccurate recommendation caused by sparse data in traditional
現代電子技術 2020年23期2020-12-23
- 一種基于受限波爾茲曼機的推薦算法
度。關鍵詞：推薦算法;深度學習;RBM模型;LFM模型DOI：10.15938/j.jhust.2020.05.009中圖分類號： TP316.2文獻標志碼： A文章編號： 1007-2683（2020）05-0062-06Abstract：In the case where the amount of data is too large， the recommended results output by the RBM model will be br
哈爾濱理工大學學報 2020年5期2020-11-30
- 面向知識管理的推薦算法研究
識管理系統和推薦算法的相關研究進行介紹;然后對知識管理中的推薦算法進行分析討論和比較，最后探討了知識推薦算法的發展方向。關鍵詞：知識管理;推薦算法;個性化服務中圖分類號：TP391? ? ? ? 文獻標識碼：A文章編號：1009-3044（2020）26-0217-04Abstract：In recent years， with the rapid development of the Internet digital economy， enterpris
電腦知識與技術 2020年26期2020-11-02
- 基于社會媒體挖掘的推薦系統
后運用的各類推薦算法，將算法的原理及優缺點進行了相關的闡述和解析。關鍵詞：推薦系統;推薦算法;信息過濾;個性化推薦中圖分類號：TP391.3 文獻標識碼：A 文章編號：1672-9129（2020）06-0080-01Abstract：withtheemergenceoftheInternetandtherapiddevelopmentofbigdataera，userscanmeettheneedsofvariousinformationretrieva
數碼設計 2020年6期2020-10-13
- 基于SVD填充和用戶特征屬性聚類的混合推薦算法
性聚類的混合推薦算法。首先利用SVD技術對評分矩陣拆分，并使用隨機梯度下降法對空缺值填充;然后對用戶特征屬性聚類，以此縮小鄰居節點的搜索范圍;接著利用遺忘曲線思想改進用戶的相似度公式，結合Jaccard系數和流行度思想改進項目的相似度公式;再將用戶偏好和項目特征的維度加權融合;最后，將本文的SK-HCF算法和其他同類算法進行對比實驗，并證明該算法的推薦準確率有明顯提升。關鍵詞：推薦算法;協同過濾;奇異值分解;K均值聚類;遺忘曲線中圖分類號：TP301.6?
電腦知識與技術 2020年16期2020-09-28
- 基于旅客信任網絡的航線選擇行為預測
精準營銷; 推薦算法; 實驗驗證中圖分類號： TN911.34?34; TP39? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）04?0078?05Prediction of route selection behavior based on passenger trust?networkFENG Xia1，2，3， ZHANG Chen1， LU Min1，2，3（1
現代電子技術 2020年4期2020-07-23
- 加入懲罰因子的電商平臺協同過濾推薦算法
摘要：為提高推薦算法挖掘數據長尾信息的能力，降低推薦結果流行度，使推薦結果更多樣，在傳統協同過濾推薦算法基礎上，分別將熱門項目與活躍用戶的懲罰因子引入相似性計算中，依據準確度、覆蓋率、流行度等評價標準，在上海某電商平臺銷售數據集上進行比較，并通過多組實驗驗證不同參數對推薦算法的影響。結果顯示，加入懲罰因子后基于用戶的協同過濾推薦算法在N值取10、K值取3時，流行度為3.97，比傳統方法降低了7.31%：加入懲罰因子后基于項目的協同過濾推薦算法在N值取10、
軟件導刊 2020年1期2020-07-14
- 個性化推薦算法研究綜述
技術的發展，推薦算法為人們享受網絡便利提供了很多幫助。隨著推薦算法的不斷進步，個性化推薦算法逐漸受到了用戶的青睞。本文介紹了個性化基本算法的其中三種：基于內容的推薦算法、構建知識網絡、基于社交應用的個性化推薦。同時介紹了個性化推薦算法與其他技術的聯系、運作流程和應用等，從實際出發，以解決實際問題為目的，闡述應用具體形式。此外，本文也闡述了亟待解決的難點和問題。關鍵詞：推薦算法;個性化;知識網絡中圖分類號：TP391.3 文獻標識碼：A 文章編號：1671-
中國科技縱橫 2020年6期2020-07-08
- 基于位置的社交網絡的個性化興趣點推薦算法研究
特征興趣點的推薦算法是非常重要的?；诖?，本文主要討論了在位置基礎上的社交網絡個性化興趣點推薦算法的探索策略。關鍵詞：位置;社交網絡;個性化興趣點;推薦算法隨著互聯網的擴張，數據量也出現了大幅度的增加，人們已經擺脫了數據比較匱乏的時期，進入到一個大數據的時期，并順應這個時代會產生兩種角色，即數據的消費者和數據生產者。這兩種角色目前面臨的挑戰是極大的，而對數據的消費者來說，怎樣才能夠在互聯網當中準確搜索出自身需求的數據是非常困難的，而對于互聯網數據生產者來說
科技風 2020年17期2020-07-04
- 大數據背景的變頻興趣變化推薦算法研究
;協同過濾;推薦算法;興趣變化;大數據推薦系統;相似度計算中圖分類號：TP391 ? ? ? ?文獻標志碼：A ? ? ? ? 文章編號：2095-2945（2020）20-0014-03Abstract： The existing collaborative filtering algorithms that adapt to the change of interest can not reflect the frequency of the chan
科技創新與應用 2020年20期2020-06-29
- 一種混合推薦算法的Mahout實現
科摘? 要：推薦算法作為推薦引擎實現的核心而得到廣泛研究。在各類推薦算法中，大部分對于用戶行為特征屬性、用戶人口屬性、物品特征屬性，以及用戶—物品關聯特征屬性等參數的應用方式存在局限性。它們一般采用相似度計算、或模型計算等方法，其特征提取及參數的調優依賴于事前定義，存在參數優化效率低的問題。本文結合機器學習技術，提出一種混合推薦算法，即（MMLHC算法），以多層神經網絡作為參數優化計算的模型，應用Mahout庫實現算法，實驗結果顯示算法能有效去除原始輸入數
軟件工程 2020年6期2020-06-21
- 基于協同過濾決策樹的商品推薦算法的研究
詞：大數據;推薦算法;協同過濾;HadoopKey words： big data;recommendation algorithm;collaborative filtering;Hadoop中圖分類號：TP311.5? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1006-4311（2020）09-0127-030? 引言隨著科技的發展，
價值工程 2020年9期2020-04-20
- 基于譜聚類和LFM的選課推薦算法設計
長，使得傳統推薦算法難以處理海量、高維的選課數據，為進一步提升大學生的選課效率，文章提出一種改進的LFM隱語義模型推薦算法，首先構造選課評分數據的相似矩陣，通過譜聚類進行初始分類，然后分類別構建LFM模型并計算合理的推薦算法。通過在某高校的選課數據集上的對比實驗，證明了本文算法具有較高的預測精度和較低的空間復雜度。關鍵詞：推薦算法;隱語義模型;譜聚類算法中圖分類號：TP391? ? ? 文獻標識碼：A 文章編號：2096-4706（2020）01-0014
現代信息科技 2020年1期2020-04-10
- 個性化學習資源精準推薦系統設計研究
介紹了主流的推薦算法及其實現原理，并采用混合推薦模式和不同的推薦策略，設計出個性化學習資源精準推薦系統的系統模型，以期助力學習者的個性化學習。關鍵詞：精準推薦;個性化學習資源;推薦算法;教育大數據中圖分類號：TP311? ? ? 文獻標識碼：A文章編號：1009-3044（2020）02-0057-021 學習資源推薦系統的現狀1.1 教育領域中缺少高質量的資源推薦應用以“淘寶”“今日頭條”等商業應用為代表的個性化內容推薦軟件已經廣為人知，但是內容推薦在教
電腦知識與技術 2020年2期2020-03-16
- 基于個性化推薦算法的全方位入職服務平臺設計
的核心是職位推薦算法，爬取算法，相似度算法算法，實現職位的最大效率化推薦，讓用戶僅通過該軟件就可獲得豐富的求職及相關資源信息。關鍵詞：就業服務;爬蟲;大數據技術;推薦算法中圖分類號：TP311 ? ? ?文獻標識碼：A文章編號：1009-3044（2020）34-0001-02Abstract： Providing students with employment services is a key task of many colleges with a
電腦知識與技術 2020年34期2020-01-26
- 基于TF-IDF和互信息的推薦算法研究
互信息的方劑推薦算法。其核心思想是根據TF-IDF算法的原理，確定核心藥物;再計算核心藥物和方劑間的互信息來確定二者相關性，以此確定最有效的方劑。對名老中醫治療肺癌的542首方劑，共計342味藥物進行數據挖掘，通過該算法獲得核心藥物71味，推薦方劑126首。采用該算法獲得名老中醫治療肺癌的核心方劑的結果表明，該算法通用性強，效率高。由于不僅探索了藥物層面的規律，還挖掘了方劑層面的信息，故該算法有較高的實用價值。關鍵詞： TF–IDF; 有向含權網絡; 互信
計算機時代 2019年12期2019-12-23
- 基于旅游用戶數據和評論的推薦系統的設計
文基于個性化推薦算法的研究，將用戶信息，用戶評論，用戶行為，用戶歷史訂單，用戶未來訂單等多項數據作為算法的訓練測試集，對功能性需求進行分析，開發了基于用戶數據的推薦系統。關鍵詞： 旅游數據;推薦算法;數據挖掘【Abstract】： With the improvement of the living standards of the people and the booming tourism industry， the combination of to
軟件 2019年11期2019-12-19
- 大數據個性化推薦分析
大數據個性化推薦算法的發展歷程進行分析的基礎上，研究了大數據個性化推薦的各種算法，對比分析了算法的優缺點及適用場合，探討了大數據個性化推薦在數據、算法、用戶、冷啟動及推薦多樣性方面存在的問題，并展望了其在教育、醫療、電子商務及互聯網金融等領域的應用趨勢。關鍵詞：大數據;個性化推薦;興趣愛好;推薦算法;協同過濾;混合推薦中圖分類號：TP39文獻標識碼：A文章編號：2095-1302（2019）11-00-030 引 言大數據背景下的信息過載問題越來越嚴重，基
物聯網技術 2019年11期2019-12-11
- 幾種電商推薦算法概述
法，以不同的推薦算法對用戶數據進行分析、篩選，最后預測出用戶可能感興趣的商品。推薦系統中的算法作為核心，本文就電商中常用的幾種推薦算法進行介紹。關鍵詞：網購;數據;機器學習;推薦算法1.基于CF的推薦算法1.1算法簡介CF（協同過濾）的推薦原理很簡單，就是利用用戶對商品的興趣相投。其主要分為兩大類的協同過濾算法，要么基于用戶，要么基于商品，本文主要介紹的是基于物品的協同過濾算法?？偨Y：不同的消費者在逛網上商城時，有意向的商品都是不一樣的，而如何通過推薦商品
科學與財富 2019年8期2019-10-21
- 基于標簽的自助教育資源推薦算法研究
自主教育資源推薦算法的應用意義，從學習環境構建、學習資源完善以及信息檢索速度提升三方面進行。其次重點論述在標簽基礎上構建自助教育資源推薦算法的有效措施，以及實現自助教育資源推薦的關鍵流程控制，可以作為教育資源推薦算法應用的理論參照。關鍵詞：標簽;自助教育;推薦算法中圖分類號：TP393.09 ? ? 文獻標識碼：A 文章編號：2096-4706（2019）12-0013-03Abstract：Firstly，the paper analyses the a
現代信息科技 2019年12期2019-10-21
- 基于Ambari的協同過濾推薦算法的研究
最廣泛的一種推薦算法，但是由于CF存在稀疏性、冷啟動等問題，所以本文提出了基于mahout的CF算法。結果表明，相比較傳統的兩種CF算法，使用基于mahout的CF算法能夠提升推薦時間和推薦精度。關鍵詞：協同過濾;mahout;推薦算法;Taste引擎中圖分類號：TP312 文獻標識碼：A 文章編號：1007-9416（2019）06-0133-020 引言目前，由百度、谷歌所推出的推薦引擎已經被廣泛應用，但是推薦引擎是大眾性的，不具有個性化特點。所以推薦
數字技術與應用 2019年6期2019-09-25
- 基于SVD的協同過濾推薦算法研究
文在協同過濾推薦算法的研究基礎上，對協同過濾推薦算法進行了優化，并設計了基于SVD的協同過濾推薦算法。經過系統檢驗，該算法能有效地改善傳統協同過濾推薦算法稀疏性的缺陷，提升了推薦精度和推薦效率，對提升用戶體驗度有較大幫助。關鍵詞： 協同過濾;SVD;推薦算法中圖分類號：TP3? ? ? ? 文獻標識碼：A文章編號：1009-3044（2019）21-0009-02開放科學（資源服務）標識碼（OSID）：Abstract： At present， most
電腦知識與技術 2019年21期2019-09-24
- 面向用戶個性需求的教育資源混合式推薦模型
、對象建模與推薦算法進行詳細論述。[關鍵詞]智慧教育;智能學習系統;模型構建;混合式推薦;推薦算法[中圖分類號] G64 [文獻標識碼] A [文章編號] 2095-3437（2019）09-0014-03當前互聯網信息技術的迅猛發展悄然改變著人們的生活習慣、工作方式、交流途徑以及認知思維模式等，傳統的教學模式愈加暴露出其時效性、針對性不強等弊端。物聯網、大數據、云計算技術的成熟以及各種智能終端的涌現，為推崇具有“數字化、網絡化、智能化、多媒體化”典型特征
大學教育 2019年9期2019-09-20
- 用戶興趣建模支持下的行為推薦算法特性分析
支持下的行為推薦算法特性分析，基于特征維度的選擇，以及特性影響因子的求解，完成了推薦算法特性分析影響因子的計算;基于行為推薦算法樣本集的確定，實現了行為推薦算法的特性分析，試驗數據表明，提出的推薦算法特性分析較傳統分析方法，分析準確率提高13.68%。適用于不同用戶興趣建模支持下的行為推薦。關鍵詞：興趣建模;用戶行為;推薦算法;特性分析中圖分類號：TP301. 6? ? ? ?文獻標識碼：A 文章編號：2096-4706（2019）09-0011-030?
現代信息科技 2019年9期2019-09-10
- 基于游客和景區信息的推薦算法研究
和景區信息的推薦算法進行研究，利用關系拓撲結構為新用戶智能推薦有效旅游導覽信息，根據用戶地理位置信息對推薦內容進行智能篩選，從而達到精準推送效果，滿足了自由行游客的智慧旅游需求。關鍵詞：旅游;智慧旅游;推薦算法;游客;景區中圖分類號：TP391.3 ? ? ?文獻標識碼：A 文章編號：1003-2177（2019）12-0122-030 引言目前，人們的經濟水平與日俱增，對旅游的要求越來越趨向精準化個性化。本文提出了一種基于游客和景區信息的推薦算法，為智慧
海外文摘·學術 2019年12期2019-09-10
- 基于圖書管理系統的推薦算法的研究
本文通過介紹推薦算法的概念入手，根據推薦算法的劃分分類，從分類中選擇4中推薦算法應用到圖書管理系統中進行對比，發現組合推薦技術避免或彌補其他推薦技術的弱點，更適合應用系統中，最后本文總結了4方法的優劣，提供大家更準確的選擇推薦算法，形成組合推薦算法。關鍵詞：推薦算法;圖書管理系統;組合推薦1.推薦算法的概念推薦算法通過一些數學算法，推測出用戶可能喜歡的東西，目前應用推薦算法比較好的地方主要是網絡。所謂推薦算法就是利用用戶的一些行為，通過一些數學算法，推測出
科學導報·學術 2019年42期2019-09-10
- 利用讀者行為的協同過濾推薦方法的研究
于協同過濾的推薦算法，利用讀者借閱行為（預約、借書、還書）數據進行分析，構建出讀者行為評分矩陣、圖書相似矩陣，再利用兩個矩陣進行推薦的方法。結合廣西壯族自治區圖書館業務數據測試，該方法確實可以。關鍵詞：協同過濾 讀者行為 公共圖書館 推薦算法引言在當今大數據時代下，數據驅動使得服務模式發生變化。公共圖書館的服務策略應該由傳統的被動式服務轉變成主動式服務，而主動提供服務的其中一個特征就是提供推送式推薦服務。協同過濾推薦算法是推薦算法中的經典，其實現通常依賴于
數碼世界 2019年5期2019-09-09
- 融入項目屬性相似度的矩陣分解算法
;協同過濾;推薦算法中圖分類號：TP181 文獻標識碼：A文章編號：1009-3044（2019）16-0198-01開放科學（資源服務）標識碼（OSID）：1 引言隨著大數據時代的到來，人們很難快速在網上捕捉自己需要的信息。因此出現了個性化的推薦系統。近期有許多學者提出了改進算法。針對基于改進矩陣分解的推薦算法，盛偉等人[1]提出了根據用戶的評分行為將原始評分數據矩陣進行分群操作，然后對相似的用戶群評分矩陣進行分解并產生推薦?？紤]到語義的相似度問題，王陽
電腦知識與技術 2019年16期2019-08-12
- 基于用戶聚類的圖書推薦算法設計與實現
?要：個性化推薦算法中一直存在新用戶的冷啟動問題，文章通過引入ID3算法來預測、分析新用戶的類別選擇。首先，根據實驗數據特征對ID3算法加以改進;其次，根據分析數據表中各字段的屬性確定試驗參數;最后，得出實驗結果。關鍵詞：推薦算法;冷啟動;決策樹;聚類分析推薦系統是一種向目標用戶建議可能感興趣物品的軟件和技術，主要服務于缺乏經驗和能力的用戶，他們通常無法從大量可供選擇的物品中選取感興趣的物品，如無法從某網站中選取感興趣的商品。目前，電商的推薦大多是個性化的
無線互聯科技 2019年10期2019-08-06