您的位置: 专家智库 > >

倪亥彬

作品数:3 被引量:16H指数:2
供职机构:同济大学电子与信息工程学院CIMS研究中心更多>>
发文基金:上海市科学技术委员会科研基金上海市教育委员会重点学科基金广东省教育部产学研结合项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇期刊文章
  • 1篇会议论文

领域

  • 3篇自动化与计算...

主题

  • 3篇用户
  • 3篇用户兴趣
  • 3篇用户兴趣模型
  • 3篇本体
  • 2篇基于本体
  • 2篇个性化推荐
  • 2篇个性化推荐算...
  • 1篇用户模型
  • 1篇数据稀疏
  • 1篇稳定性
  • 1篇矩阵
  • 1篇矩阵聚类
  • 1篇聚类
  • 1篇抽取

机构

  • 3篇同济大学

作者

  • 3篇严隽薇
  • 3篇倪亥彬
  • 3篇刘敏
  • 2篇黄勋
  • 2篇朱延波

传媒

  • 1篇计算机集成制...
  • 1篇机电一体化
  • 1篇2010全国...

年份

  • 2篇2010
  • 1篇2009
3 条 记 录,以下是 1-3
排序方式:
基于本体用户兴趣模型的个性化推荐算法
针对目前个性化服务中用户模型稳定性低、推荐结果不尽人意的现状,在建立基于本体的用户兴趣模型基础上,通过模型更新改善稳定性,建立用户群实现用户模型管理。提出利用矩阵聚类降维分解技术的个性化推荐算法,引入偏好方差的概念计算用...
严隽薇黄勋刘敏朱延波倪亥彬
关键词:本体用户兴趣模型个性化推荐矩阵聚类
文献传递
本体用户兴趣模型的抽取研究被引量:2
2009年
随着本体技术的应用,传统的用户兴趣模型已经过渡到基于本体的用户兴趣模型,故在已经建立的相关领域本体用户兴趣模型的基础上,对用户模型的处理和抽取进行了研究。利用本体用户兴趣模型富含语义信息,能够准确地描述领域涉及的概念、概念的含义、概念之间的关系这些特性,将其处理转化为用户-项目评价矩阵,为个性化推荐算法的应用提供便利。
倪亥彬严隽薇刘敏
关键词:本体用户兴趣模型
基于本体用户兴趣模型的个性化推荐算法被引量:16
2010年
针对目前个性化服务中用户模型稳定性低、推荐结果不尽人意的现状,在建立基于本体的用户兴趣模型基础上,通过模型更新提高稳定性,建立用户群实现用户模型管理。提出利用矩阵聚类降维分解技术的个性化推荐算法,引入偏好方差的概念计算用户最近邻,进而产生推荐,避免了传统协同过滤算法的数据稀疏性缺陷,提高了推荐质量。结合面向电影的个性化推荐系统,验证了模型及算法的有效性。
严隽薇黄勋刘敏朱延波倪亥彬
关键词:本体用户兴趣模型稳定性数据稀疏
共1页<1>
聚类工具0