期刊文献+
共找到79篇文章
< 1 2 4 >
每页显示 20 50 100
隐性反馈和显性反馈对不同水平学习者汉语习得影响研究 预览
1
作者 鲍蕊 赵建军 曾小燕 《云南师范大学学报:对外汉语教学与研究版》 2019年第6期29-37,共9页
主要考察了显性反馈与隐性反馈对汉语二语习得的作用及其与学习者语言水平之间的关系,受试是浙江师范大学30名在校留学生,高、低两个水平,各15人,他们被随机分成重铸组、明确纠正组和控制组,并完成看图写作和故事复写两个任务。完成任务... 主要考察了显性反馈与隐性反馈对汉语二语习得的作用及其与学习者语言水平之间的关系,受试是浙江师范大学30名在校留学生,高、低两个水平,各15人,他们被随机分成重铸组、明确纠正组和控制组,并完成看图写作和故事复写两个任务。完成任务后,所有被试对两个任务进行口头汇报,主试只对两个实验组被试提供相应反馈。通过前后测实验设计,利用两因素方差分析统计分析三个组的偏误修正表现,发现隐性反馈与显性反馈对二语习得都有促进作用,但两种反馈类型之间并没有显著差别,事后多重比较分析结果进一步显示,隐性反馈与显性反馈对低水平和高水平学习者的短期作用都很明显,但从长期作用来看,显性反馈对低水平学习者更有效,而高水平学习者更受益于隐性反馈。研究发现对汉语二语教师如何进行课堂有效反馈提供了参考与借鉴。 展开更多
关键词 隐性反馈 显性反馈 语言水平 汉语作为第二语言
在线阅读 免费下载
联合成对排序的物品推荐模型 预览
2
作者 吴宾 陈允 +1 位作者 孙中川 叶阳东 《通信学报》 EI CSCD 北大核心 2019年第9期193-206,共14页
现有的推荐模型大多仅从用户角度进行建模,忽略了物品的功能关系对用户购买决策的影响。从用户和物品这2个角度,同时考虑用户–物品之间的交互关系和物品–物品之间的功能关系,提出了联合成对排序的推荐模型。考虑正样本的排名位置和负... 现有的推荐模型大多仅从用户角度进行建模,忽略了物品的功能关系对用户购买决策的影响。从用户和物品这2个角度,同时考虑用户–物品之间的交互关系和物品–物品之间的功能关系,提出了联合成对排序的推荐模型。考虑正样本的排名位置和负采样策略直接影响模型收敛速度,构建一种排序感知的学习算法,用于求解所提模型的参数。实验结果表明,与当前主流推荐算法相比,该算法在多个评价指标上具有明显的性能优势。 展开更多
关键词 物品推荐 成对排序 协同过滤 隐式反馈 矩阵分解
在线阅读 下载PDF
融合注意力机制的深度协同过滤推荐算法 预览 被引量:2
3
作者 王永贵 尚庚 《计算机工程与应用》 CSCD 北大核心 2019年第13期8-14,共7页
传统基于项目的协同过滤算法在计算项目之间相似度时只考虑历史项目的评分,而忽略了历史项目偏好对其的影响,以至于推荐精度不够理想。针对此问题,提出了一种融合注意力机制的深度电影推荐算法。根据得到的隐性反馈,在特征级注意力框架... 传统基于项目的协同过滤算法在计算项目之间相似度时只考虑历史项目的评分,而忽略了历史项目偏好对其的影响,以至于推荐精度不够理想。针对此问题,提出了一种融合注意力机制的深度电影推荐算法。根据得到的隐性反馈,在特征级注意力框架上,从项目内容特征提取网络开始,学习项目特征的偏好;将项目特征偏好与项目特征加权得到项目内容特征向量;在项目级特征注意力框架中,通过项目内容特征向量学习对项目偏好的评分,从而产生最终的推荐结果。实验结果表明,提出的推荐算法在MovieLens 100K和MovieLens 1M两个公开数据集上的准确率和推荐个性化较传统算法均有不同程度的提高,表现出较为优越的推荐性能。 展开更多
关键词 深度学习 神经网络 隐性反馈 注意力机制 协同过滤
在线阅读 下载PDF
融合node2vec和深度神经网络的隐式反馈推荐模型 预览
4
作者 何瑾琳 刘学军 +1 位作者 徐新艳 毛宇佳 《计算机科学》 CSCD 北大核心 2019年第6期41-48,共8页
利用隐式反馈信息实现个性化推荐是实用且具有挑战性的研究课题。对如何有效结合辅助信息来解决数据稀疏问题从而实现高效推荐的问题进行了研究,提出了一种融合node2vec和深度神经网络的隐式反馈推荐模型。该模型采用一种嵌入元数据的... 利用隐式反馈信息实现个性化推荐是实用且具有挑战性的研究课题。对如何有效结合辅助信息来解决数据稀疏问题从而实现高效推荐的问题进行了研究,提出了一种融合node2vec和深度神经网络的隐式反馈推荐模型。该模型采用一种嵌入元数据的深度神经网络框架(Deep Neural Network Framework with Embedded Meta-data,Meta-DNN),首先将用户和项目的one-hot向量进行低维映射,再嵌入元数据信息,并结合node2vec的二阶随机游走方法学习网络中的邻居节点,使得相邻节点具有相似的节点表示,同时通过增强相邻用户和项目的平滑度来缓解数据稀疏性;最后使用深度神经网络进一步学习用户对项目的偏好,进而为用户产生推荐。其中,还引入了流行度参数对未知项目进行非平均抽样,优化隐式反馈负采样策略。在Gowalla和MovieLens-1M两个数据集上的实验表明,所提方法可以明显提高系统的预测性能和推荐质量。 展开更多
关键词 node2vec 推荐系统 神经网络 深度学习 隐式反馈 元数据
在线阅读 免费下载
融合用户经历的多策略自适应推荐模型
5
作者 原福永 冯凯东 +4 位作者 李晨 雷瑜 周馨 黄国言 梁顺攀 《小型微型计算机系统》 CSCD 北大核心 2019年第7期1410-1415,共6页
根据用户的历史行为信息向用户推荐符合其偏好的商品列表是推荐系统的基本方法之一,用户的行为信息可能是显式的(如电子商务网站中的商品评分),也可能是隐式的(如点击商品详情信息或收藏商品).但在实际场景中,用户隐式行为数量往往多于... 根据用户的历史行为信息向用户推荐符合其偏好的商品列表是推荐系统的基本方法之一,用户的行为信息可能是显式的(如电子商务网站中的商品评分),也可能是隐式的(如点击商品详情信息或收藏商品).但在实际场景中,用户隐式行为数量往往多于显式行为数量.为了得到更为准确的推荐结果,本文引入用户经历来定义用户在系统中隐式反馈的累积数量,提出了一种利用用户经历作为平衡系数来平衡多种策略的自适应推荐模型(User Experience based adaptive Recommendation Model,UERM),然后通过引入阻尼系数对模型进行进一步优化,提出了融入阻尼系数的融合用户经历的自适应推荐模型(UERM+).最后在两个真实数据集上进行实验,证明本文模型能够有效地提高推荐精度. 展开更多
关键词 自适应 推荐系统 个性化推荐 用户经历 隐式反馈
基于社交信息和物品曝光度的矩阵分解推荐 预览
6
作者 韩勇 宁连举 +2 位作者 郑小林 林炜华 孙中原 《浙江大学学报:工学版》 EI CAS CSCD 北大核心 2019年第1期89-98,共10页
为了解决隐式反馈推荐中的数据稀疏性和未观测值二义性,提出基于社交信息和物品曝光度的概率矩阵分解推荐算法.该算法通过对用户-用户社交矩阵进行矩阵分解来约束用户偏好潜在因子,一定程度上缓解了数据稀疏性问题;将物品曝光度作为观... 为了解决隐式反馈推荐中的数据稀疏性和未观测值二义性,提出基于社交信息和物品曝光度的概率矩阵分解推荐算法.该算法通过对用户-用户社交矩阵进行矩阵分解来约束用户偏好潜在因子,一定程度上缓解了数据稀疏性问题;将物品曝光度作为观测值的条件,结合物品本身的流行度和用户的社交信息,对物品曝光度进行建模,解决未观测值的二义性.在Lastfm公开数据集上开展多个层次的实验和分析.结果表明,与已有的隐式推荐算法相比,在召回率、平均准确率(MAP)和归一化折损累计增益(NDCG)3个评价标准上都有一定程度的提高. 展开更多
关键词 推荐系统 隐式反馈 物品曝光度 用户影响力 概率矩阵分解
在线阅读 下载PDF
基于用户向量化表示和注意力机制的深度神经网络推荐模型 预览
7
作者 郭旭 朱敬华 《计算机科学》 CSCD 北大核心 2019年第8期111-115,共5页
随着互联网应用的蓬勃发展,推荐系统作为解决信息过载的有效手段,成为了工业界与学术界的研究热点。面向用户隐式反馈的传统推荐算法主要基于协同过滤和排序学习等方法,但这些方法未充分利用用户行为中的隐式反馈特征。文中提出了一种... 随着互联网应用的蓬勃发展,推荐系统作为解决信息过载的有效手段,成为了工业界与学术界的研究热点。面向用户隐式反馈的传统推荐算法主要基于协同过滤和排序学习等方法,但这些方法未充分利用用户行为中的隐式反馈特征。文中提出了一种基于神经网络的用户向量化表示模型,其能够充分利用用户的异构的隐式反馈行为特征。同时,借鉴机器翻译中的self-attention机制,设计了一种神经注意力推荐模型,其融合用户向量化表示和用户-项目交互的动态时序特征以提高推荐系统的性能。在公开数据集上进行对比实验,通过召回率、准确率、NDCG 3个指标评价推荐性能。结果表明,与其他面向隐式反馈的推荐模型相比,所提推荐模型具有更好的推荐性能,并且对用户行为特征具有很好的泛化能力。 展开更多
关键词 推荐系统 神经网络 注意力机制 隐式反馈 深度学习
在线阅读 免费下载
融合均值分割与word2vec的矩阵分解推荐算法
8
作者 梁顺攀 王辰 +1 位作者 原福永 张付志 《小型微型计算机系统》 CSCD 北大核心 2019年第5期978-983,共6页
随着推荐内容的多样化,推荐系统中需要引入隐式反馈信息来加强其适用范围.但是隐式反馈推荐存在着缺少负反馈的问题,并且稀疏的隐式反馈信息会影响推荐结果准确度.针对这些问题,首先,考虑到用户会存在喜欢和不喜欢的内容,提出均值分割方... 随着推荐内容的多样化,推荐系统中需要引入隐式反馈信息来加强其适用范围.但是隐式反馈推荐存在着缺少负反馈的问题,并且稀疏的隐式反馈信息会影响推荐结果准确度.针对这些问题,首先,考虑到用户会存在喜欢和不喜欢的内容,提出均值分割方法,并使用均值分割方法改进矩阵分解推荐算法,解决隐式反馈中缺少负反馈的问题.然后,引入了word2vec技术计算相似度,并使用得到的相似度对隐式评分矩阵进行预测填充,以达到降低隐式评分矩阵稀疏度的目的.最后,使用真实世界数据集进行实验,实验结果表明本文提出的推荐算法可以解决隐式反馈推荐中缺少负反馈的问题,并降低数据的稀疏度,提高推荐结果的准确度. 展开更多
关键词 隐式反馈 矩阵分解 均值分割 word2vec 相似度
基于隐式反馈LDA模型的协同推荐算法研究 预览
9
作者 翟航天 汪学明 《计算机技术与发展》 2019年第6期7-12,共6页
传统基于用户和基于标签的协同过滤推荐算法仅采用用户评分显式信息进行分析,浪费掉大量的隐式反馈数据。为将隐式反馈数据加以利用,提出一种用户隐式反馈数据与资源标签相结合的协同过滤推荐算法。对资源-标签利用GibbsSampling算法进... 传统基于用户和基于标签的协同过滤推荐算法仅采用用户评分显式信息进行分析,浪费掉大量的隐式反馈数据。为将隐式反馈数据加以利用,提出一种用户隐式反馈数据与资源标签相结合的协同过滤推荐算法。对资源-标签利用GibbsSampling算法进行采样分析,挖掘推荐系统中资源的主题并建立LatentDirichletAllocation(LDA)模型,将隐式反馈数据中的用户行为赋予主题标签以此获取用户标签偏好,并与资源标签计算出的资源相似度相结合,预测用户个性化偏好。在Retailrocket网站行为数据集上的实验结果表明,相较于传统基于隐式反馈和基于标签的协同过滤推荐算法,该算法能有效地解决用户标签模糊和资源主题分析存在偏差的问题,提高个性化推荐准确度。 展开更多
关键词 隐式反馈 标签采样 LDA建模 协同过滤 个性化推荐
在线阅读 下载PDF
多重对级贝叶斯个性化排序算法 预览
10
作者 程明月 刘淇 +3 位作者 李徵 于润龙 高维博 陈恩红 《南京信息工程大学学报:自然科学版》 CAS 2019年第3期302-308,共7页
为解决隐式反馈推荐问题,贝叶斯个性化排序(BPR)模型已经成为最具有代表性的对级(Pairwise)排序算法之一.在BPR模型中,存在一个严格的偏序假设:相较于未标记的物品而言,用户更喜欢已经有过标记行为的物品.本文提出了一种多重对级贝叶斯... 为解决隐式反馈推荐问题,贝叶斯个性化排序(BPR)模型已经成为最具有代表性的对级(Pairwise)排序算法之一.在BPR模型中,存在一个严格的偏序假设:相较于未标记的物品而言,用户更喜欢已经有过标记行为的物品.本文提出了一种多重对级贝叶斯个性化排序(MBPR)推荐算法来进一步提升用户对物品的偏好预测能力.首先,基于BPR模型的排序关系设计了一种改进的多重对级偏序假设.具体地,对于每一用户,本文提出将未标记的反馈集细分为潜在的负反馈集和不确定性反馈集,并基于改进的对级偏序假设,提出了一种新的多重对级排序的优化目标来学习用户与物品之间的相关性.为实现MBPR模型的采样任务,本文设计了一种自适应采样策略来为模型更新动态地选取训练样本.最后,在公开数据集上开展了仿真推荐实验,并与基线算法对比.实验结果表明,MBPR算法能够取得更好的推荐效果. 展开更多
关键词 推荐系统 隐式反馈 对级排序 协同过滤
在线阅读 下载PDF
融合AOBPR和SVD++的排序推荐算法 预览 被引量:1
11
作者 何灵敏 杜民双 《中国计量大学学报》 2018年第1期59-63,共5页
针对BPR模型收敛速度慢的问题,Randle S提出一种非均匀采样非隐式反馈数据方法AOBPR模型来加快收敛速度,可是该算法只能利用隐式反馈数据.为了改进其算法的不足,我们提出了一种将AOBPR模型与经典的基于矩阵分解的SVD++算法相结合... 针对BPR模型收敛速度慢的问题,Randle S提出一种非均匀采样非隐式反馈数据方法AOBPR模型来加快收敛速度,可是该算法只能利用隐式反馈数据.为了改进其算法的不足,我们提出了一种将AOBPR模型与经典的基于矩阵分解的SVD++算法相结合的算法AOBPR_SVD++.改进后的算法不仅能利用隐式反馈数据也能利用显式反馈数据.最后通过在两个真实数据集中进行实验验证,表明改进后的算法可以获得更好的推荐效果. 展开更多
关键词 推荐系统 协同过滤 隐式反馈 显式反馈 矩阵分解
在线阅读 下载PDF
A Novel Deep Hybrid Recommender System Based on Auto-encoder with Neural Collaborative Filtering
12
作者 Yu Liu Shuai Wang +1 位作者 M.Shahrukh Khan Jieyu He 《大数据挖掘与分析(英文)》 2018年第3期211-221,共11页
Due to the widespread availability of implicit feedback(e.g., clicks and purchases), some researchers have endeavored to design recommender systems based on implicit feedback. However, unlike explicit feedback,implici... Due to the widespread availability of implicit feedback(e.g., clicks and purchases), some researchers have endeavored to design recommender systems based on implicit feedback. However, unlike explicit feedback,implicit feedback cannot directly reflect user preferences. Therefore, although more challenging, it is also more practical to use implicit feedback for recommender systems. Traditional collaborative filtering methods such as matrix factorization, which regards user preferences as a linear combination of user and item latent vectors, have limited learning capacities and suffer from data sparsity and the cold-start problem. To tackle these problems,some authors have considered the integration of a deep neural network to learn user and item features with traditional collaborative filtering. However, there is as yet no research combining collaborative filtering and contentbased recommendation with deep learning. In this paper, we propose a novel deep hybrid recommender system framework based on auto-encoders(DHA-RS) by integrating user and item side information to construct a hybrid recommender system and enhance performance. DHA-RS combines stacked denoising auto-encoders with neural collaborative filtering, which corresponds to the process of learning user and item features from auxiliary information to predict user preferences. Experiments performed on the real-world dataset reveal that DHA-RS performs better than state-of-the-art methods. 展开更多
关键词 hybrid RECOMMENDER system NEURAL COLLABORATIVE filtering auto-encoder IMPLICIT feedback
基于多种隐式反馈数据的商品推荐算法 预览
13
作者 周巧扣 倪红军 《计算机应用与软件》 北大核心 2018年第10期23-27,84共6页
个性化推荐是解决信息过载的有力工具,其根据用户在推荐系统中的历史行为,向用户推荐可能感兴趣的信息和商品。用户的行为记录可以分为显式反馈和隐式反馈。针对隐式反馈数据不能很好地反映用户偏好的问题,在BPR算法的基础上进行扩... 个性化推荐是解决信息过载的有力工具,其根据用户在推荐系统中的历史行为,向用户推荐可能感兴趣的信息和商品。用户的行为记录可以分为显式反馈和隐式反馈。针对隐式反馈数据不能很好地反映用户偏好的问题,在BPR算法的基础上进行扩展,提出一种基于多种隐式反馈数据的商品推荐算法,采用更细粒度的偏序关系建立用户偏好。根据用户购买商品的次数和时间建立用户对已购买商品偏好的置信度;根据置信度建立用户对已购买商品之问的偏序关系。同时利用已购买商品间的偏序对和已购买商品与未购买商品间的偏序对训练目标模型,提高推荐算法的性能。在真实数据集上进行了仿真实验,将该算法和相关算法进行对比实验。实验表明,该算法具有更好的性能。 展开更多
关键词 个性经推荐 隐式反馈 BPR算法 矩阵分解
在线阅读 下载PDF
基于眼动技术的互联网广告效果研究 预览 被引量:1
14
作者 胡晓红 王红 任衍具 《计算机应用研究》 CSCD 北大核心 2018年第5期1345-1349,1379共6页
网络广告效果研究中评定广告质量的指标不够准确,广告配置科学性有待提高。提出观测度的概念,将它作为衡量广告质量的新标准,并结合多种信息源对广告记忆度、兴趣度进行建模。实验结果表明,相比普遍使用显示反馈和广告自身特征,融合眼... 网络广告效果研究中评定广告质量的指标不够准确,广告配置科学性有待提高。提出观测度的概念,将它作为衡量广告质量的新标准,并结合多种信息源对广告记忆度、兴趣度进行建模。实验结果表明,相比普遍使用显示反馈和广告自身特征,融合眼动特征来预测广告的观测程度准确性有所提高。此外,对搜索引擎结果页上位置不同、相关性不同的广告效果进行了定量分析。实验结果表明,用户的注意力受位置影响显著,广告的相关性在主体上方对注视次数影响显著,而下方和右侧表现不显著,所以可以考虑在主体下方、右侧进行与搜索内容无关商品的推广。 展开更多
关键词 观测度 隐式反馈 有序Logistic回归 眼动追踪 网络广告
在线阅读 下载PDF
基于隐式反馈数据的个性化游戏推荐 预览
15
作者 俞东进 陈聪 +1 位作者 吴建华 陈耀旺 《电子学报》 CSCD 北大核心 2018年第11期2626-2632,共7页
现有推荐系统通常采用评分、评论等显式反馈数据实现个性化推荐.然而,显式反馈数据由于在实际中难以获取或因质量问题而往往变得不可用,从而导致相关推荐算法的应用范围受到很大限制.与此相反,诸如点击行为、浏览记录等隐式反馈数据在... 现有推荐系统通常采用评分、评论等显式反馈数据实现个性化推荐.然而,显式反馈数据由于在实际中难以获取或因质量问题而往往变得不可用,从而导致相关推荐算法的应用范围受到很大限制.与此相反,诸如点击行为、浏览记录等隐式反馈数据在现实中大量存在.本文提出了一种面向游戏玩家的基于隐式反馈数据的游戏推荐方法.该方法综合考虑了玩家操作次数、操作时长等隐式反馈数据及其时效性,构建了基于伪评分的玩家对游戏的偏好模型,而后通过改进了的SVD++(Singular Value Decomposition++)算法实现个性化游戏推荐.在大规模真实数据集上的实验结果表明本文提出的方法具有更高的推荐精确率和召回率. 展开更多
关键词 推荐系统 隐式反馈 游戏推荐 伪评分 SVD++
在线阅读 下载PDF
融合元数据及隐式反馈信息的多层次联合学习推荐方法 预览
16
作者 张全贵 李志强 +1 位作者 蔡丰 王星 《计算机应用研究》 CSCD 北大核心 2018年第12期3635-3639,共5页
针对隐式数据单纯利用隐反馈信息往往难以获取较好推荐性能的问题,提出一种融合元数据及隐式反馈信息的多层次深度联合学习(multi-level deep joint learning,MDJL)推荐方法。它利用双深度神经网络共同学习,其中一个网络利用隐式反馈... 针对隐式数据单纯利用隐反馈信息往往难以获取较好推荐性能的问题,提出一种融合元数据及隐式反馈信息的多层次深度联合学习(multi-level deep joint learning,MDJL)推荐方法。它利用双深度神经网络共同学习,其中一个网络利用隐式反馈学习用户及项目个体个性化关系,另一个网络利用元数据学习高层次群体共性化关系,从而有效地表达用户偏好,使MDJL框架在个体及群体因素间达到平衡。最后,MDJL推荐算法在Movie Lens 100K和MovieLens 1M两个公开数据集上进行实验评估。结果表明,该算法比其他基线方法表现出了更为优越的推荐性能。 展开更多
关键词 元数据 隐式反馈 多层次深度联合学习 个体个性化 群体共性化
在线阅读 下载PDF
应用商城中用户年龄的推断及在推荐中的应用 预览 被引量:1
17
作者 李佳琪 刘红岩 +2 位作者 何军 王蓓 杜小勇 《计算机科学与探索》 CSCD 北大核心 2018年第11期1729-1739,共11页
随着移动端设备的快速发展,手机应用呈爆炸式增长,如何在包含百万App的手机应用商城中将用户喜爱的App准确推荐给用户显得尤为重要。通过对艾瑞发布的多项移动行业报告以及对用户的调查分析,发现用户的年龄信息是影响用户选择App的因素... 随着移动端设备的快速发展,手机应用呈爆炸式增长,如何在包含百万App的手机应用商城中将用户喜爱的App准确推荐给用户显得尤为重要。通过对艾瑞发布的多项移动行业报告以及对用户的调查分析,发现用户的年龄信息是影响用户选择App的因素之一。针对此现象,提出采用用户年龄信息与传统推荐算法相结合的方式来给用户推荐App。将预测用户年龄看成分类问题。利用用户在应用商城中的多项行为特征构建用户年龄预测模型。提出了两个基于用户年龄的推荐模型AgeBPR模型和AgeSocialMF模型。通过大量用户的真实数据集上的实验结果表明,提出的两个模型的推荐准确度较基准模型均有一定幅度的提升,说明提出的将用户年龄信息考虑到推荐模型中的有效性。 展开更多
关键词 年龄预测 隐式反馈 推荐系统 矩阵分解
在线阅读 下载PDF
隐式反馈场景下基于Pairwise排序学习的因子分解机算法 预览 被引量:2
18
作者 靳冠坤 库涛 +1 位作者 温广波 贾敬崧 《科学技术与工程》 北大核心 2018年第16期217-222,共6页
针对隐式反馈场景下的推荐问题以及如何融入用户物品的上下文信息来进行推荐,提出了一种结合Pairwise排序学习与因子分解机的隐式反馈推荐模型。首先借鉴排序学习中Pairwise的方法解决隐式反馈负反馈缺失的问题,然后选择因子分解机作为... 针对隐式反馈场景下的推荐问题以及如何融入用户物品的上下文信息来进行推荐,提出了一种结合Pairwise排序学习与因子分解机的隐式反馈推荐模型。首先借鉴排序学习中Pairwise的方法解决隐式反馈负反馈缺失的问题,然后选择因子分解机作为排序函数来建模用户的上下文信息,从优化物品排序的角度出发建模用户偏好,进而针对不同用户进行个性化推荐。最终实验也表明,所提出模型在排序指标MAP和NDCG上都要优于其他3种对比算法,在解决隐式反馈下推荐问题的同时,可以利用用户的上下文信息进一步提高推荐的准确度。 展开更多
关键词 隐式反馈 上下文 个性化推荐 排序学习 因子分解机
在线阅读 免费下载
缺失数据建模的改进型ALS在线推荐算法 预览
19
作者 邢玉莹 夏鸿斌 王涵 《计算机工程》 CSCD 北大核心 2018年第8期212-217,223共7页
在隐式反馈中存在数据噪声并缺乏负反馈,使用矩阵分解方法训练推荐模型时特征提取不明确且推荐结果有偏斜。为此,提出一种缺失数据建模的改进型交替最小二乘(ALS)矩阵分解在线推荐算法。使用近邻信息为用户选择正样本,同时根据物品流... 在隐式反馈中存在数据噪声并缺乏负反馈,使用矩阵分解方法训练推荐模型时特征提取不明确且推荐结果有偏斜。为此,提出一种缺失数据建模的改进型交替最小二乘(ALS)矩阵分解在线推荐算法。使用近邻信息为用户选择正样本,同时根据物品流行度对缺失数据中的负样本进行建模,并将基于元素的改进型ALS算法与在线学习相结合。在MovieLens数据集上的实验结果表明,相对eALS、Rcd算法,该算法能够有效减小数据噪声和矩阵稀疏对矩阵分解推荐算法的影响,从而提高推荐的准确性和效率。 展开更多
关键词 推荐系统 隐式反馈 缺失数据建模 交替最小二乘 在线学习
在线阅读 下载PDF
一种基于隐式反馈的用户兴趣模型构建方法 预览
20
作者 赵文朋 丁艳辉 +1 位作者 金连旭 张骏 《计算机与数字工程》 2018年第3期518-522,共5页
个性化推荐系统通常侧重用户显式反馈数据的收集和利用,而对于大量的隐式反馈数据,有待于进一步的充分利用。本文提出一种基于隐式反馈的用户兴趣模型构建方法,该方法首先从用户浏览行为方面分析用户兴趣度,建立用户在页面浏览时间、浏... 个性化推荐系统通常侧重用户显式反馈数据的收集和利用,而对于大量的隐式反馈数据,有待于进一步的充分利用。本文提出一种基于隐式反馈的用户兴趣模型构建方法,该方法首先从用户浏览行为方面分析用户兴趣度,建立用户在页面浏览时间、浏览速度、保存页面与收藏页面等经典隐式反馈行为与兴趣度之间的联系;然后,基于隐式反馈行为,提出主题兴趣度的概念,并将其与传统的基于VSM的兴趣模型相结合,构建基于主题兴趣度的用户兴趣。实验表明,本文提出的用户兴趣模型在推荐准确率上有明显提高。 展开更多
关键词 隐式反馈 用户浏览行为 用户兴趣模型 推荐系统
在线阅读 下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部 意见反馈
新型冠状病毒肺炎防控与诊疗专栏