您的位置： 专家智库 > >

教育部人文社会科学研究基金(12YJC630211)

作品数：2 被引量：19H指数：2
相关作者：马军王帅强廉涛崔超然孙建凯更多>>
相关机构：山东大学山东财经大学更多>>
发文基金：教育部人文社会科学研究基金山东省自然科学基金山东省优秀中青年科学家科研奖励基金更多>>
相关领域：自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇协同过滤
  • 1篇舒尔
  • 1篇舒尔茨
  • 1篇推荐系统
  • 1篇排序
  • 1篇主题模型
  • 1篇协同过滤算法
  • 1篇加权
  • 1篇RANK
  • 1篇TAU
  • 1篇LD
  • 1篇F
  • 1篇A-C

机构

  • 2篇山东大学
  • 1篇山东财经大学

作者

  • 2篇王帅强
  • 2篇马军
  • 1篇崔超然
  • 1篇廉涛
  • 1篇孙建凯

传媒

  • 2篇中文信息学报

年份

  • 2篇2014
共 2 条 记 录，以下是 1-2
全选 清除 导出
排序方式：
Weighted-Tau Rank:一种采用加权Kendall Tau的面向排序的协同过滤算法被引量：3
2014年
已知的面向排序的协同过滤算法主要有两个缺点:计算用户相似度时只考虑用户对同一产品对的偏好是否一致,而忽略了用户对产品对的偏好程度以及该偏好在用户间的流行度;进行偏好融合和排序时需要中间步骤来构建价值函数然后才能利用贪婪算法产生推荐列表。为解决上述问题:我们利用类TF-IDF加权策略对用户的偏好程度及偏好流行度进行综合考量,使用加权的Kendall Tau相关系数计算用户间的相似度;进行偏好融合与排序时则使用基于投票的舒尔茨方法直接产生推荐列表。在两个电影数据集上,本文提出的算法在评测指标NDCG上的效果要明显优于其他流行的协同过滤算法。
孙建凯王帅强马军
关键词：协同过滤TAU
LDA-CF:一种混合协同过滤方法被引量：16
2014年
推荐系统是一种克服信息过载的重要工具,其中最流行的方法是协同过滤。该文提出一种结合潜在因素模型和邻域方法的混合协同过滤方法 LDA-CF。我们首先将评分矩阵转换成伪文档集合,使用LDA(Latent Dirichlet Allocation)主题模型发现用户和物品潜在因素向量;然后在低维潜在因素空间计算用户和物品相似度;最后采用邻域方法预测未知评分。在MovieLens 100k数据集上的实验表明:在评分预测任务中,LDA-CF取得的MAE性能指标优于传统的邻域方法。因此,LDA可以有效地从评分矩阵中发现对计算相似度十分有用的用户和物品低维特征表示,在一定程度上缓解了数据稀疏问题。
廉涛马军王帅强崔超然
关键词：推荐系统协同过滤主题模型
全选 清除 导出
共1页<1>
聚类工具0