采用信任网络增强的协同过滤算法

来源 :计算机应用研究 | 被引量 : 18次 | 上传用户:wzq558
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
由于数据稀疏性问题的普遍存在,不仅传统的协同过滤系统中使用单一相似度进行的推荐不具备较高的可信度,而且共同评分项过于稀疏也会导致其推荐性能大打折扣。针对以上问题,提出了一种采用信任网络增强的协同过滤算法(记为ECFATN)。通过引入社会网络中常用的信任关系,即在原始的用户—项目评分矩阵上,通过信任计算建立用户间的信任关系,并使用传播规则传递信任关系,构建一个用户信任网络;最终使用用户间的信任度与相似度线性加权作为新的权重进行推荐。在真实的数据集上进行测试,实验结果表明,ECFATN算法不仅在一定程度
其他文献
为提高对多种不同类型问题的优化性能,提出了一种基于和声搜索和教与学优化的混合优化算法(HHSTL)。在不同的进化阶段,HHSTL算法依据种群活跃率及种群最优个体更新率动态地确定和声算法或教与学算法作为下一周期种群更新方式的比例,并在标准教与学算法中增加了"自学"策略来提高算法的全局寻优能力。对16个不同类型的Benchmark函数进行仿真,并与七种优秀算法进行结果比较及Wilcoxon秩和检验分析
村级动物防疫员是基层动物卫生体系的重要的组成部分,是整体动物卫生体系基石,他们不仅承担着动物强制免疫、免疫档案建立、畜禽标识加挂等任务,还是基层动物疫情反馈和上报
针对常模算法(CMA)对非常模高阶QAM信号均衡后收敛速度慢、稳态均方误差大的缺点,以T/4分数间隔均衡器为例,提出一种基于余弦代价函数的T/4分数间隔盲均衡算法(T/4-FSE-CCF),该算法将常模的代价函数用构造的余弦代价函数来替代,新算法摆脱了常数模算法对统计模值R的依赖。最后对算法性能进行了理论分析和仿真实验,结果表明,该算法对高阶QAM信号不仅提高了收敛速度而且降低了稳态均方误差。
稀疏度自适应正则回溯匹配追踪算法(SAMP algorithm based on regularized backtracking,SAMP-RB)是一种有效的压缩感知重构算法,在原子选择阶段引入回溯的思想,提高了重构精度,减少了重构时间。但SAMPRB算法重构时采用步长不变的思想,容易因步长设置不合理而导致过估计或欠估计的问题。针对该问题,为提高残差大时的逼近速度,及残差小时的逼近精度,提出抛物
基于脑电信号(EEG)的睡眠分期对于睡眠疾病的检测、预防和治疗有着重要的意义。传统的分期方法在使用EEG信号进行分期时存在冗余特征、标记样本需求量高这两方面的不足,影响了该方法的应用范围。为了提高该方法的适用范围,采用一种蚁群算法与半监督学习算法结合的睡眠分期算法(ACOTSS),根据对称KL距离筛选低置信度样本,利用主动学习策略和协同训练进行不同置信度样本的标注以提升低标注样本下的分类正确率。采
针对在高度密集的射频识别系统中因标签碰撞导致系统识别效率降低的问题,提出了一种锁位式双前缀探针防碰撞算法。新算法在双前缀探针算法的基础上,利用曼彻斯特编码特点,通过锁位指令锁定碰撞位,提取碰撞信息,并且在后续的识别过程中仅传输这部分信息,结合双前缀查询思想,在减少碰撞时隙的同时,减少了数据传输量。算法在设计的过程中充分考虑了总时隙数、吞吐率、识别效率这三个重要的性能指标。理论和仿真分析表明,相对于