一种基于多类型情景信息的兴趣点推荐模型

来源 :计算机应用研究 | 被引量 : 0次 | 上传用户:buhao00155
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
当前最新的兴趣点推荐工作开始融合地理、文本和社交信息进行推荐,但是还存在信息挖掘不充分的情况。为此,提出了改进的多类型信息融合的联合概率生成的兴趣点推荐模型。首先提出了自动学习文档话题数目的分层狄利克雷过程主题模型,学习用户和兴趣点相关兴趣话题;同时,利用由签到分布决定带宽大小的核密度估计法,个性化地理信息对用户签到行为的影响,而且还融合了用户位置访问序列中已访问兴趣点对待访问兴趣点的影响,即序列模式的影响;然后综合考虑了用户社交关系的影响;最后基于联合概率生成模型,融合文本、地理、社会和序列信息,
其他文献
针对传统基于用户的协同过滤算法较少考虑信任对象所处环境的实时变化,提出一种结合社交网络的专家信任推荐算法。为更好地量化对象之间的信任度,首先利用专家的评价可信度、活跃度、评价偏差度等量化因子计算得到专家的信任值;其次在评分形成的过程中与近邻算法相融合,明确用户与"专家"和"近邻"的偏好,当可选专家人数小于预先设定的阈值时,利用协调因子动态调整近邻算法与改进专家算法的权重,以便获得更加客观的项目评分
针对受限波尔茨曼机用于协同过滤算法存在的不足,忽略了用户兴趣随时间变化,同时只利用了严重稀疏的用户评分数据,首先提出一种融合了时间信息的用户RBM模型:TimeRBM模型,即在原有RBM模型中加入时间偏置项;其次提出利用项目属性信息聚类的方法进行评分预测;最后将TimeRBM模型和项目属性聚类方法得到的两种预测结果进行加权融合得到一种高效的混合算法。在基准数据集上的实验结果表明,这种混合的算法有助
针对传统推荐算法过于强调推荐准确率而造成推荐系统长尾现象加剧问题,提出一种基于二分图网络的总体多样性增强推荐算法。首先,利用现有推荐算法生成的预测评分构建用户候选推荐列表,进而构建二分图网络模型;其次,设定项目容量对热门项目的推荐次数予以限制;最后,结合推荐增广路生成最终推荐列表。与现有的推荐多样性增强算法在真实电影评分数据集上进行实验对比,实验结果表明,该算法在保证推荐准确率的同时能有效提高推荐
时间序列数据是一种数据属性随时间变化的高维数据类型,反映了用户兴趣的动态变化。基于时序数据的推荐系统利用用户的行为时间提高推荐的准确性,但不适用于大规模数据集的推荐任务。矩阵分解方法是处理高维数据集时常用的降维方法。为此,提出一种基于时序模型和矩阵分解的推荐算法。基于该方法,首先利用矩阵分解提取原始时序数据的特征,然后通过时序模型挖掘特征的趋势,最后根据预测的特征得到预测结果并进行推荐。实验结果表
针对传统单人行为识别算法易受行人形态多样性、背景和光照等影响的问题进行研究。基于扩张残差网络(DRN)的精准分类效果及目标检测网络Faster R-CNN在目标追踪方面的准确性,提出了一种DRN和Faster R-CNN的融合网络模型。该模型在Faster R-CNN中融入DRN的扩张卷积残差块代替原来的一般卷积层,并对融合模型进行了两方面的改进:在每一层前面添加一个batch normaliza
在基于邻域粗糙集的属性约简算法中,正域计算是保证其有效性的重要依据,也是影响其时间开销的最主要部分。为了减少算法时间开销,通过对现有算法FHARA的正域计算进行改进,采取保留策略,利用矩阵保留度量计算值的平方,将原本n维上的计算改进为1维上的计算,从而缩减了每次度量计算的时间,并在此基础上提出了基于矩阵保留策略的邻域粗糙集属性约简算法,最后通过多个UCI数据集验证了该算法。与现有算法相比较,实验结
针对图像失真分类问题,提出了一种基于Gabor小波和卷积神经网络(convolutional neural network,CNN)的失真类型判定算法。该算法先利用Gabor小波的良好特性对图像进行特征粗提取,再通过改进的CNN进一步提取关键特征。算法步骤包括:首先对图像进行预处理(包括标签设定、样本均衡和样本扩充);然后对预处理后的图像进行八方向的Gabor小波变换,并将不同方向的子带叠加构成输
【正】 随着科技发展,个人电脑汰旧换新的速度越来越快。美国个人电脑制造巨头IBM的资产回收中心每年回收并拆解的废弃个人电脑就高达1800万公斤。美国环境家安全会议最近公
【正】 春节期间,刘某以466元的价格,从一商场购买了台湾某品牌的女式长、短裤各一条。此后,刘某发现这两条裤子做工粗糙、质量低劣,经咨询该品牌在大陆的总代理方得知,此两
在不完备区间值决策信息系统中,针对可能度容差关系和多粒度决策粗糙集的各自优点,提出一种基于可能度容差关系的多粒度决策粗糙模型。首先提出可能度的概念,定义新的容差关系;然后构建了基于可能度容差关系的乐观和悲观多粒度决策粗糙集模型,给出模型的上下近似,并对相关性质和定理进行证明;最后以实例验证了模型的有效性与适用性。结果表明,通过调整属性相似度阈值ω,可使模型具有一定的容错能力和很强的分类能力。