·
搜索结果:找到“数据稀疏性”相关结果34591条
排序: 按相关 按相关 按时间降序
  • 【期刊】 协同过滤数据稀疏性问题研究

    刊名:计算机光盘软件与应用 作者:顾立志 关键词:协同过滤 ; 稀疏性 ; 降维 机构:CSC信息科技(天津)有限公司 ; CSC信息科技(天津)有限公司 年份:2014
    摘要:本文简要介绍了协同过滤推荐技术的核心思想以及优缺点,重点描述了协同过滤推荐系统的数据稀疏性问题,并总结了四种解决数据稀疏性问题的方法,分别是简单填值、聚类、降维和结合内容的过滤方法。
  • 【期刊】 一种缓解互惠推荐系统中数据稀疏性的算法

    刊名:济南大学学报(自然科学版) 作者:殷方勇 ; 王红 ; 王吉华 关键词:数据稀疏性 ; 互惠推荐 ; 矩阵填充 ; 融合相似度 年份:2017
    摘要:为解决以在线交友为代表的互惠推荐系统中数据稀疏性问题,根据LMaFit算法提出一种改进评分矩阵的互惠推荐算法,该算法改进了传统评分矩阵填充的单向性与融合相似度计算.结果表明,与基于项目的协同过滤推荐算法和基于内容和协同过滤的混合算法相比,改进评分矩阵的互惠推荐算法在准确率、召回率和调和平均数值方面有明显改进,该算法不仅改善了数据稀疏性的问题,而且推荐质量也明显优于其他算法.
  • 【期刊】 个性化推荐中的数据稀疏性问题研究

    刊名:《网友世界》 作者:孙明远 关键词:个性化推荐 ; 数据稀疏性问题 ; 协同过滤 年份:2014
    摘要:互联网的出现和发展给用户带来大量信息数据,造成信息超载(Information Overload)现象,解决信息超载的一种有效办法是推荐系统。推荐系统现已广泛应用于多种领域,其中最典型的为电子商务领域。同时,学术界对推荐系统的研究热度也越来越高,逐步形成了一门独立的学科。本文在借鉴和分析前人研究成果的基础上,进一步阐释了个性化推荐技术的发展轨迹、现状及存在的挑战,重点研究个性化推荐中的数据稀疏性问题及相关的解决方法,为个性化推荐的进一步发展提供理论支持。
  • 【期刊】 一种缓解互惠推荐系统中数据稀疏性的算法

    刊名:济南大学学报:自然科学版 作者:殷方勇[1,2] ; 王红[1,2] ; 王吉华[1,2] 关键词:数据稀疏性 互惠推荐 矩阵填充 融合相似度 机构:山东师范大学信息科学与工程学院 ; 山东师范大学信息科学与工程学院 ; 山东师范大学山东省分布式计算机软件新技术重点实验室 年份:2017
    摘要:为解决以在线交友为代表的互惠推荐系统中数据稀疏性问题,根据LMa Fit算法提出一种改进评分矩阵的互惠推荐算法,该算法改进了传统评分矩阵填充的单向性与融合相似度计算。结果表明,与基于项目的协同过滤推荐算法和基于内容和协同过滤的混合算法相比,改进评分矩阵的互惠推荐算法在准确率、召回率和调和平均数值方面有明显改进,该算法不仅改善了数据稀疏性的问题,而且推荐质量也明显优于其他算法。
  • 【期刊】 一种缓解协同过滤算法数据稀疏性的方法

    刊名:软件 作者:蔡雄峰 ; 艾丽华 ; 丁丁 关键词:协同过滤 ; 推荐系统 ; 数据稀疏 ; 兴趣度 ; 填充矩阵 机构:北京交通大学计算机与信息技术学院 ; 北京交通大学计算机与信息技术学院 年份:2015
    摘要:协同过滤算法是推荐系统中最古老的算法之一,同时也是当今推荐系统中使用最广泛的一种算法。但是在简单,效率高的同时,协同过滤算法还存在数据稀疏性,冷启动等一些问题.本文针对其数据稀疏性的问题,提出了一种根据兴趣度预测用户未评分项目的方法。最后通过基于Netflix数据集的实验结果表明,该方法能够更好的处理稀疏矩阵,能缓解数据稀疏问题,从而提高了协同过滤算法的准确性。
  • 【期刊】 基于GEP-RBF的协同过滤数据稀疏性问题研究

    刊名:计算机与数字工程 作者:古凌岚 关键词:数据稀疏性 ; 协同过滤 ; 基因表达式编程 ; GEP ; 径向基函数(RBF)神经网络 ; 推荐系统 机构:广东轻工职业技术学院计算机工程系 ; 广东轻工职业技术学院计算机工程系 年份:2013
    摘要:针对传统协同过滤推荐算法的数据稀疏性问题,提出了基于GEP-RBF的协同过滤推荐算法。该算法对目标用户偏好的分类范畴进行了分析,构建了局部用户-项目评分矩阵,同时利用GEP优化RBF神经网络,预测局部用户-项目评分矩阵的缺失评分,平滑评分矩阵,并给出了用户评分项目交集阈值修正相似度的方法,提高用户相似度计算的准确性。实验结果表明,该算法能有效地缓解数据稀疏性问题,从而提高了协同过滤推荐系统的推荐质量。
  • 【期刊】 分步填充缓解数据稀疏性的协同过滤算法

    刊名:计算机应用研究 作者:张玉芳 ; 代金龙 ; 熊忠阳 关键词:协同过滤 ; 条件概率 ; 推荐系统 ; 数据稀疏 ; 分步填充 机构:重庆大学计算机学院 ; 重庆大学计算机学院 年份:2013
    摘要:为解决传统协同过滤算法中用户评分数据稀疏性所带来的用户最近邻寻找不准确问题,提出了一种结合条件概率和传统协同过滤算法的非固定k近邻算法。该算法在基于分步填充评分矩阵的思想上,第一步只接受相似度和共同评分项目数量达到阈值的邻居用户作为目标用户邻居,然后计算并填充未评分项目,第二步使用第一阶段部分填充后的矩阵计算剩余未评分项目的评分。实验表明,该算法寻找的邻居用户更准确,能明显地缓解数据稀疏问题,提高评分预测准确性。
  • 【期刊】 一种解决协同过滤数据稀疏性问题的方法

    刊名:首都师范大学学报(自然科学版) 作者:王洋 ; 骆力明 关键词:协同过滤 ; 稀疏性 ; 径向基函数 ; 平均绝对误差 ; 神经网络 机构:齐齐哈尔大学经济与管理学院 ; 齐齐哈尔大学经济与管理学院 ; 首都师范大学信息工程学院 年份:2012
    摘要:面对信息量过载的问题,为了使用户尽快的从大量的数据中找到自己需要的信息,即运用协同过滤算法解决数据稀疏性问题,本文提出了一种基于径向基函数(RBF)神经网络的解决方法.首先构建RBF神经网络并提出了一种新的确定隐层节点方法.然后利用构建的RBF神经网络预测用户评价矩阵中的空缺值,提高用户相似度计算的准确性.最后通过与经典协同过滤算法的对比实验证明所提算法的实用性,实验结果表明,基于RBF神经网络的协同过滤算法可以有效的解决用户评分数据的稀疏性问题,提高推荐的准确度.
  • 【论文】 基于协同过滤算法数据稀疏性问题的研究

    作者:黄迪 关键词:协同过滤 ; 数据稀疏 ; 填充 ; 兴趣偏好 ; 相似度 机构:西南科技大学 ; 西南科技大学 年份:2018
    摘要:随着互联网的发展,推荐算法在各个领域都已经取得不错的应用,其中协同过滤算法是应用比较广泛且成功的算法,但是协同过滤算法在解决“信息过载”问题时还受到一些问题的影响,数据稀疏性问题是其面临的主要问题。协同过滤算法是依靠用户-项目评分矩阵计算出相似度值找到最近邻居集,但是过于稀疏的评分数据会导致计算不出准确的相似度值,进而难以找到到真实的邻居集合,且得出的最近邻居集合在预测评分时又因只考虑共同评分项目而再次稀疏,最后影响推荐的精度。本文针对协同过滤算法数据稀疏性问题,进行了较为深入的分析与研究,提出以下三点缓解该问题提高推荐精度的办法。第一针对传统协同过滤算法的评分预测值受共同项目数量的影响,从降低最近邻居集中共同评分项目的稀疏程度入手,把与目标用户相似的但没有对目标项目评分的最近邻居用户也纳入评分预测中去,改进评分预测算法。第二从降低用户-项目评分矩阵稀疏程度的角度出发,提出基于预测值和多元值的混合填充算法。使用传统算法计算出用户-项目评分矩阵中未评分项目的预测值并保存,将预测值结合多元值按照填充规则对用户-项目评分矩阵混合填充,推荐时采用直接把填充值作为预测值和在填充后矩阵上进行协同过滤算法实验两种策略验证该填充规则能够比单一值填充取得更好的推荐效果。第三从优化相似度计算入手,提出基于用户兴趣偏好的混合协同过滤算法,挖掘用户评价过的项目属性,统计出用户对项目属性的偏好,建立用户-兴趣类型矩阵,再计算用户兴趣相似度,然后将用户评分相似度和用户兴趣相似度用一个动态参数融合形成综合相似度。最后在Movielens数据集上进行实验,实验结果表明,以上提出的方法都能够有效缓解数据稀疏问题,提高推荐精度。
  • 【论文】 协同过滤算法中数据稀疏性问题研究

    作者:代金龙 关键词:推荐系统 ; 条件概率 ; 协同过滤 ; 数据稀疏 ; 分步填充 机构:重庆大学 ; 重庆大学 年份:2013
    摘要:信息时代,互联网的覆盖率和普及度越来越高,同时也推动了电子商务融入人们的生活中,网络数据信息呈现出爆炸式的增长。人们将花费更多的时间去寻找他们想要的东西,这个现象被称作“信息过载”。如何解决这个问题对电子商务平台来说非常重要,推荐系统的出现填补了这一空白,其中基于协同过滤算法更是取得了很大的成功。然而随着电商平台的用户数和项目数的大幅度增加,被评分的项目比例越来越小,使得用户-项目评分矩阵变得十分稀疏,从而造成传统的协同过滤推荐算法的推荐准确度有所下降。 数据稀疏问题使得采用协同过滤算法的推荐系统法面临严重不足。本文针对该问题,从结合条件概率算法、浮动筛选邻居和分步填充用户-项目评分矩阵中的未评分项目三个角度出发缓解数据稀疏性问题,提高推荐精度。 第一,本文提出一种基于条件概率的算法,该算法从概率的角度可以挖掘传统协同过滤算法发现不了的邻居,并使得该邻居对目标项目进行预测评分,然后综合采用通常的协同过滤算法而获取的邻居对目标项目的评分,加权综合后产生最终的评分数值。 第二,在筛选邻居的时候,放弃kNN选取固定k个邻居的做法,而是设定一定的相似度阈值和共同评分项目数阈值,然后只将达到阈值的用户作为目标用户的邻居,使选取的邻居更加可靠。 第三,在对未评分目标项目进行预测时,分两步进行。第一步设定严格的相似度阈值和共同评分项目数阈值,然后只将达到阈值的用户作为目标用户的邻居,然后填充部分未评分项目;第二步,在第一步部分填充后得到的评分矩阵较原始评分矩阵将更为稠密,在此基础之上,部分以前不能成为目标用户邻居的用户将能够满足条件成为其邻居,从而能得到更多的邻居,再适当放宽条件限制,使得能够将用户-项目评分矩阵的剩余未评分项目进行完全填充。 最后,本文采用MovieLens数据集,用Eclipse编写该算法进行实验。实验表明:浮动筛选邻居策略筛选的邻居比kNN策略更具可信度,MAE值更低;条件概率算法能发现潜在的邻居,弥补数据稀疏性;分步填充策略能很好地弥补数据稀疏性,提高推荐精度。
  • 【期刊】 一种缓解数据稀疏性的协同过滤推荐系统

    刊名:烟台职业学院学报 作者:刘旭东 关键词:协同过滤 ; 电子商务推荐系统 ; 专家系统 机构:烟台职业学院 ; 烟台职业学院 年份:2011
    摘要:协同过滤技术被成功地应用于个性化推荐系统中,但随着系统规模扩大,它面临着数据稀疏性、冷启动和可扩展性等问题。针对数据稀疏性问题,提出了一种基于专家系统的协同过滤个性化推荐模型,这种推荐模型能够很好地缓解数据稀疏性问题,在中小型电子商务推荐系统中具有良好的推荐效果和应用前景。
  • 【期刊】 SAR图像数据稀疏性分析及在特征增强中的应用

    刊名:计算机科学 作者:王光新 ; 林有明 ; 张送保 关键词:SAR图像 ; 稀疏性 ; 后向散射 ; 特征增强 机构:桂林空军学院 ; 桂林空军学院 年份:2011
    摘要:利用合成孔径雷达(SAR)图像中目标的后向散射特性和目标散射中心的理论,分析了SAR图像数据稀疏性的成因。指出SAR图像的稀疏性与典型散射体的后向散射特性、成像区域目标强散射中心的稀疏性和成像区域的粗糙度等因素有关。根据视觉稀疏表示机制,比较了SAR图像与光学图像稀疏特征在视觉上的差异。然后,分析了稀疏约束在SAR图像分辨率增强中的应用方法。最后,用仿真和实测SAR图像数据验证了稀疏性在特征增强中的作用。
上一页 1 2 3 4 5 6 7 8 9 10 下一页 跳转