融合MHS与AIM-RT的谱聚类优化推荐算法

来源 :计算机应用研究 | 被引量 : 2次 | 上传用户:skyaixiao
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
传统协同过滤推荐算法存在时序性过低以及用户过多时数据稀疏相似用户计算复杂度高等问题。为此,提出融合最小哈希签名(MHS)与时序模型预测(AIM-RT)的谱聚类优化推荐算法。首先使用MHS与Levenshtein距离测度对用户—项目评分矩阵提取相似用户;然后利用时序模型进行权重拟合的AIM-RT预测算法预测评分补全相似用户稀疏矩阵;最后结合谱聚类进行相似用户优化,找到最优相似用户集合完成最终推荐。通过实验分析验证表明,所提推荐算法能够在计算复杂度、评分预测精度、数据缺失填补等方面提高整体推荐性能。
其他文献
从客户的角度出发,旨在建立一套与投资额度、客户满意程度相关联的港口冷链物流投资分析方法,为决策者在财务分析之外提供另一个分析视角。将港口冷链物流划分为冷藏存储、冷
针对提高计算机生成兵力的可编辑性和智能性问题,分析对比Game AI(游戏人工智能)的应用现状,运用可视化脚本编辑方法实现了基于脚本的可由非开发者自主编辑的计算机生成兵力。综合目前常用的行为选择算法,提出了一个有限状态机结合神经网络的优化决策和自学习模型。提出的方法可提高计算机生成兵力的可编辑性和智能性。
由于缺乏合适的去模糊图像质量度量方法,迭代型去模糊算法通常将其迭代次数简单地设置为固定值,无法在执行效率和去模糊质量之间获得最优的平衡点。为此,提出一种粗精检测相结合的迭代终止机制并将其应用到迭代型去模糊算法中以自适应地确定它们最佳的迭代次数。具体地,在每一步迭代过程中利用伪PSNR值细粒度地判断去模糊图像质量是否趋于稳定,另一方面每隔若干步利用从反向卷积残差图像中提取的统计特征值粗粒度准确地判定
传统的矩阵分解算法在时间上将全部训练数据作为整体进行计算以获得用户兴趣特征,忽略了用户兴趣漂移问题。针对此问题,提出一种基于状态空间模型和概率矩阵分解的推荐算法。首先将用户兴趣特征向量与用户评分数据的矩阵分解映射到线性高斯状态空间中;然后使用EM算法和卡尔曼滤波器对模型参数进行动态求解;最后根据前后获得用户兴趣特征向量确认用户兴趣是否发生漂移,并进行相应推荐。实验结果表明,该算法与传统的矩阵分解推
目的分析标准创伤大骨瓣开颅手术治疗重型颅脑损伤的效果。方法抽选我院2015年2月—2017年4月收治的58例重型颅脑损伤患者,经随机数字表法分为对照组和观察组,各29例。对照组
传统序列到序列(seq2seq)模型未充分利用输入文本的句子结构,导致其无法生成结构严谨、语法更好的摘要,因此提出了一种融合句子基本结构的摘要生成方法。首先,明确提出融合句子结构生成文本摘要的概念。再者,在摘要生成器上增添了句子基本结构模块和监督模块,句子基本结构模块从输入文本中捕捉一系列句子结构,监督模块评估已捕获句子结构的重要性,以此协助句子基本结构模块从中提取可用的句子结构。最后,摘要生成器