上下文感知的多维信任推荐方法研究

来源 :浙江大学 | 被引量 : 0次 | 上传用户:girljiangsha
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
个性化推荐系统作为信息过滤的有效工具越来越受人们关注。作为迄今为止最成功的推荐技术,协同过滤的核心首先是从用户对物品的评分中计算用户相似度或者物品相似度,进而基于相似用户或者相似物品的评分预测目标用户可能的评分并给予推荐。传统的协同过滤算法通常在实际应用中都存在着数据稀疏和冷启动等问题,从而影响推荐的准确度。为了缓解这些问题,概率矩阵分解模型被广泛研究,同时为了进一步提高推荐系统的性能,研究人员提出了基于上下文与基于社交信任的推荐模型。通过对国内外推荐算法的深入分析,本文提出了上下文感知的多维信任推荐模型。  首先,通过t校验过滤掉无关上下文,选出对用户评分有较大影响的相关上下文。其次,利用选取的上下文通过混合高斯聚类方法对用户评分矩阵进行聚类。聚类后在同一类别的评分相较聚类前矩阵中的评分相关程度更大(也即缺失评分更能够由已知评分准确的预测出来)。再次,计算用户之间的评分相似度,并与用户之间的信任关系相结合,构建用户间的多维信任关系,从而更好地量化用户间的信任程度。最后,对构建好的多维信任模型及聚类后的评分矩阵进行概率矩阵分解,得到用户和物品的潜在特征向量,以此来预测用户对物品的评分。  本文利用权威的消费者点评网站epinions.com中的数据作为实验数据集。实验结果表明,该模型相较已有的优秀推荐算法在准确性和效率方面都有较大提升。
其他文献
互联网的端到端延时的概念是指IP数据包从离开源点沿着互联网中一条确定的路径传输到目的节点经历的时间。随着互联网的不断发展,网络中各式各样的新型服务业务不断涌现,人们对
得益于智能手机和可穿戴设备的发展,移动感知有了很大的突破,但还面临着许多挑战。可穿戴设备数据和接口的异构性、设备之间缺乏协同以及缺少数据汇聚平台等问题,都给感知应用的
伴随着机电产品复杂性的增加,传统的设计方法已经不再适用。为了实现高层次的复用、重构以及需求验证,系统设计成为了设计过程中的重要环节。控制系统和机械系统是机电产品中的
信息爆炸导致了过量信息资源,使得人们无法集中注意力去寻找对自己有价值的信息,而迷失在海量的信息资源里,这样会降低信息的使用效率。推荐系统因此产生。传统的推荐方法存在评
随着计算机技术的不断发展,增强现实已成为近年来计算机视觉领域的研究热点。与室内场景相比,室外场景具有景物几何复杂多样、阴影复杂、光照情况多变等特点,本文主要针对室外场
农业信息化极大的促进了农业生产力的发展,但是在这个过程中,出现了越来越多的信息孤岛。因此,如何重复而集成地应用这些信息是我们现在最关心的问题之一。要实现这个目标,首先必
基于包含的指向分析由于在分析精度上和时间开销上具有良好的平衡,得到了最为深入的研究,但是它的时间复杂度为O(n3),n为指向分析的变量总数。本文利用投机并行优化了约束求解过
目标跟踪技术是计算机视觉中最核心的研究课题之一,究其原因是目标跟踪技术在人们的日常生活和高端的军事领域有重要的作用,并且有广阔的应用前景。然而,由于场景中的光照变化、
我们中华民族创造了世界上灿烂的物质和文化文明,这是人类社会中的一大财富。我们发明的科举制度,影响着世界范围内优秀人才的选拔;制作的丝绸、种植的茶树、烧制的瓷器,影响着
随着网络技术的发展,WEB应用已经进入到了人们生活的各个行业。网络规模的增大和应用数量的增多给管理员带来越来越多的管理问题,不仅需要监控服务器本身是否正常启动运行,更多