- 年份
- 2024(2344)
- 2023(3559)
- 2022(3038)
- 2021(2588)
- 2020(2339)
- 2019(5504)
- 2018(5199)
- 2017(9618)
- 2016(4823)
- 2015(5151)
- 2014(4879)
- 2013(4695)
- 2012(4275)
- 2011(3881)
- 2010(3908)
- 2009(3653)
- 2008(3573)
- 2007(3118)
- 2006(2841)
- 2005(2732)
- 学科
- 济(20973)
- 经济(20957)
- 管理(11578)
- 业(10045)
- 企(8244)
- 企业(8244)
- 方法(7592)
- 数学(6684)
- 数学方法(6497)
- 地方(6286)
- 中国(5787)
- 学(4742)
- 农(4106)
- 贸(3834)
- 贸易(3831)
- 财(3737)
- 关系(3686)
- 易(3642)
- 业经(3576)
- 地方经济(3525)
- 融(3322)
- 金融(3321)
- 理论(3225)
- 制(3026)
- 经济关系(2725)
- 银(2706)
- 银行(2693)
- 对外(2681)
- 农业(2633)
- 行(2622)
- 机构
- 大学(65018)
- 学院(63062)
- 济(25575)
- 经济(25061)
- 研究(24635)
- 管理(23177)
- 理学(19945)
- 理学院(19690)
- 管理学(19112)
- 管理学院(18967)
- 中国(18040)
- 科学(15533)
- 京(14183)
- 所(12685)
- 研究所(11532)
- 农(11521)
- 财(11517)
- 中心(10740)
- 业大(10126)
- 江(10038)
- 院(9545)
- 北京(9022)
- 农业(8956)
- 财经(8843)
- 范(8717)
- 师范(8612)
- 经(8028)
- 经济学(7912)
- 州(7860)
- 研究院(7699)
- 基金
- 项目(45462)
- 科学(35594)
- 基金(33381)
- 研究(31197)
- 家(30184)
- 国家(29984)
- 科学基金(25421)
- 社会(20105)
- 社会科(19145)
- 社会科学(19140)
- 省(17946)
- 基金项目(16899)
- 自然(16856)
- 自然科(16548)
- 自然科学(16544)
- 自然科学基金(16212)
- 划(15169)
- 教育(14365)
- 资助(14234)
- 编号(11276)
- 重点(10571)
- 发(10013)
- 成果(9529)
- 部(9446)
- 创(9443)
- 创新(8942)
- 科研(8923)
- 课题(8835)
- 计划(8791)
- 国家社会(8737)
共检索到101913条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 统计与决策
[作者]
马鑫 段刚龙
协同过滤作为国内外学者普遍关注的推荐算法之一，受评分失真、数据稀疏等问题影响，算法推荐效果不尽如人意。为解决上述问题，文章提出了一种改进的聚类协同过滤推荐算法。首先，该算法利用无监督情感挖掘技术将评论情感映射为一个固定区间中的值，通过加权修正用户评分偏差；然后，构建修正后用户-产品评分矩阵的数据场，利用启发式寻优算法计算最佳聚类数和最优初始聚类中心，进而对用户进行划分聚类，结合最近邻用户相似性与评分产生推荐结果；最后，基于三个自建真实数据集对所提算法性能和有效性进行全面评估。实验结果表明，改进算法在精度Precision、召回率Recall和F1-Score评价指标上的表现均优于其他算法，能够有效应对数据稀疏的问题，提升推荐系统的推荐效果。
[期刊] 情报科学
[作者]
申彦 宋新平 聂鹏
【目的/意义】针对主流APPS推荐系统一般仅能推荐同类别APPS的现状,提出了一种基于协同过滤的APPS跨类别推荐算法(APPSR)。【方法/过程】该算法先对APPS进行聚类,考虑APPS簇间相似度,对未评分APPS进行评分预测,构建无缺失的用户-APPS评分矩阵。在传统协同过滤技术的基础之上,引入了时间权重函数与热门APPS惩罚机制,体现了用户兴趣的时效性,消除了热门APPS对推荐结果的影响。根据不同用户对多种APPS的评分,预测用户对其它类别APPS的喜好,为用户提供跨类别的APPS个性化推荐。【结果
关键词：
协同过滤 智能应用推荐 个性化推荐
[期刊] 运筹与管理
[作者]
陶维成 党耀国
针对协同过滤推荐系统具有数据的高稀疏,高维度,数据量大的特点,本文将灰色关联聚类与协同过虑推荐算法相结合,构建了灰色关联聚类的协同过滤推荐算法,将其应用到协同过滤推荐系统中,以解决数据具有高稀疏高维度的特性情况下的个性化推荐质量问题。首先,定义了推荐系统中的用户项目评分矩阵,用户灰色绝对关联度,用户灰色相似度,用户灰色关联聚类。然后,给出了灰色关联聚类的协同过滤推荐算法的计算方法和步骤,同时给出了评价推荐质量方法。最后,将本文算法与基于余弦,相关分析及修正的余弦等协同过滤推荐算法在大小不同的数据集下进行了
[期刊] 国际商务(对外经济贸易大学学报)
[作者]
金丹 张娇娇 李依玲 崔立新
互联网上信息资源的爆炸式增长,给用户带来了信息过载问题,不明确的用户需求更是对搜索引擎提出了更大的挑战。个性化推荐系统实现了用户和信息资源的紧密连接。目前,协同过滤算法是个性化推荐系统中使用最广泛的算法。然而随着用户数量和信息资源的不断骤增,数据不可靠、稀疏性以及及时性等问题严重影响着推荐系统的推荐质量。因此,基于现有协同过滤技术在时间和空间的维度上对传统算法从三方面进行了改进:在空间上构造情感得分矩阵并结合评分矩阵以缓解用户主观评分不可靠问题;在时间上引入时间权重因子模拟用户的兴趣迁移以缓解数据稀疏性和及时性问题;结合用户兴趣分布相似度和评分相似度来进一步保证推荐质量。同时,以电影推荐系统为例验证改进协同过滤算法的推荐质量,结果表明,相较于传统算法,改进的算法其推荐效果更优。
[期刊] 情报学报
[作者]
王玙 刘东苏
协同过滤利用与目标用户相似性较高的邻居对其他产品的评价来预测目标用户对特定产品的喜好程度,用户间的相似性定义至关重要。传统协同过滤算法定义相似性时不考虑用户偏好,为了解决这一问题,本文提出基于联合聚类的协同过滤算法。该算法利用联合聚类识别用户偏好,定义用户偏好相似性。当可用数据还包括用户的属性信息时,算法提取有共同偏好的用户的公共特征,进一步定义基于属性的相似性,结合属性相似性与打分相似性产生推荐。实验用MovieLens数据验证推荐算法的准确性,实验结果表明本文算法可以处理极度稀疏数据,且预测的打分更加
[期刊] 运筹与管理
[作者]
张文 崔杨波 李健 陈进东
由于推荐系统中存在巨量的用户和商品,现有的协同过滤方法很难处理用户-商品推荐中的数据稀疏性和计算可扩展性问题。本文提出了一种基于聚类矩阵近似的协同过滤推荐方法CF-cluMA。一方面,CF-cluMA方法通过对用户和商品进行分别聚类,并利用聚类后的用户-商品分块评分矩阵来刻画用户对于商品兴趣的局部性特点,以降低用户-商品评分矩阵的全局稀疏性。另一方面,CF-cluMA方法通过对局部稠密分块矩阵实施奇异值分解,并利用施密特变换近似全局用户-商品评分矩阵来预测用户对未知商品评分,以降低协同过滤算法的复杂性。在EachMovie电影评分真实数据集上的实验表明,相比于已有的基于矩阵近似的协同过滤推荐方法,本文所提出的CF-cluMA方法能够有效提升推荐系统的准确性并降低推荐系统的计算复杂性。本文的研究对于电子商务推荐系统具有重要的管理启示。
[期刊] 图书馆学研究
[作者]
田磊 任国恒 王伟
图书借阅是图书馆最基本的服务,根据用户的借阅爱好为其自动地推荐相关图书是解决图书借阅效率与可靠性等问题的关键。为了提高图书推荐的准确率,本文利用改进的K-mean算法对借阅用户的类别与偏好性进行了系统的分析,然后通过构造用户借阅偏好性矩阵与用户相似性度量,采用协同过滤算法实现了图书借阅的个性化推荐。实验结果表明,本文算法可根据用户的借阅爱好准确地为其推荐图书,整体上具有较高的性能。
关键词：
图书推荐 协同过滤 聚类分析 阅读偏好
[期刊] 图书情报工作
[作者]
刘飞飞
针对数字图书馆推荐系统,提出一种能够同时考虑用户和项之间的相似性的协同过滤(CF)方法,即应用多目标优化计算双聚类技术对行和列同时进行聚类,完成对用户和项相似性同时分组。为评估算法的效率,应用MovieLens数据集进行实验,结果表明该方法能够为用户提供有用的推荐意见,其性能优于其他CF方法。
[期刊] 情报理论与实践
[作者]
翟丽丽 邢海龙 张树臣
在移动电子商务环境下，提出一种基于情境聚类优化的协同过滤算法，该方法结合了移动电子商务情境特点，采用Ｋ－ｍｅａｎｓ算法对移动电子商务用户进行情境聚类，并结合萤火虫算法对初始点进行改进，在此基础上进行协同过滤提高推荐结果的准确性。实验结果表明，该方法具有较好聚类结果和较高的推荐准确率。
[期刊] 中国科学技术大学学报
[作者]
王根生 潘方正
针对协同过滤推荐算法没有考虑推荐对象间语义关系的问题，提出一种融合推荐对象语义相似度的改进型协同过滤推荐算法。首先利用知识图谱表示学习算法将推荐对象的语义信息嵌入到一个低维语义空间；然后计算推荐对象之间的语义相似度，把该语义相似度融合到协同过滤推荐算法中的相似度计算中，弥补协同过滤推荐算法没有考虑推荐对象自身语义知识的缺陷。实验结果表明，该改进型算法相比于传统协同过滤推荐算法具有更高的准确率、召回率和覆盖率。
[期刊] 工业工程与管理
[作者]
焦媛媛 熊剑芳 沈志锋
在已有的基于项目协同过滤推荐技术基础上，应用帕累托最优理论对该算法进行改进。首先基于调整余弦相似度构件项目相似矩阵，对待评价项目的 Ｋ近邻选择过程进行优化，以事先过滤掉一些代表性不高的邻近项目；其次在推荐评价过程中，为了适应改进算法，对准确率和召回率计算也进行了相应的优化。应用ｍｏｖｉｅｌｅｎｓ １ｍ数据检验算法优化效果。发现在项目推荐的准确度、覆盖率、召回率和算法可扩展性等方面都有显著提高。
[期刊] 情报理论与实践
[作者]
陈海涛 宋姗姗 李同强
现有的基于用户的协同过滤推荐算法使用用户—项目评分矩阵计算用户的评分相似性作为用户的相似度,存在矩阵稀疏的问题,而且不能对用户的兴趣进行动态衡量。由此提出一种改进的基于用户的协同过滤推荐算法,通过历史数据计算用户对各类项目的购买数量比例矩阵,衡量用户对各类项目的兴趣;根据用户购买项目的时间的先后衡量用户兴趣的动态变化。融合以上两点得出用户兴趣相似性作为用户相似性的权重,改进的用户相似性计算方法避免了用户—项目评分矩阵的稀疏性和不能动态衡量用户兴趣变化的问题。采用Movie Lens数据集进行实验,结果表明该算法提高了推荐结果的准确性并且具有稳定性。
关键词：
协同过滤 用户兴趣 动态兴趣
[期刊] 运筹与管理
[作者]
于翘楚 赵明清 罗雨婷
针对传统协同过滤推荐算法预测精度不高、推荐质量低的问题，提出了一种基于最优组合预测思想的协同过滤混合推荐算法（BEST-CF），并利用基于用户的协同过滤推荐算法（User-CF）和基于项目的协同过滤推荐算法（Item-CF）的最优组合在Movielens 100K数据集上验证了BEST-CF的有效性，实验结果表明：BEST-CF算法明显提高了评分预测精度，能够提升推荐质量。最后，将BEST-CF用于保险产品的推荐，实验结果表明，BEST-CF的推荐准确度明显高于Item-CF和User-CF的，能为客户更加精准地推荐所偏好的保险产品。
关键词：
协同过滤推荐 最优组合预测 算法
[期刊] 图书情报工作
[作者]
景民昌 唐弟官 于迎辉
针对传统协同过滤推荐算法的不足,依据现实生活经验,认为在协同过滤推荐过程中考虑用户的专家信任因素十分必要。详细阐述专家信任的概念以及利用用户评分数据计算专家信任度的方法,提出一种基于专家优先信任的协同过滤推荐算法。在公开数据集GroupLens上的实验结果表明,该算法预测用户评分的精度和成功率都明显优于传统的最近邻法。
关键词：
协同过滤 信任度 最近邻 专家信任优先
[期刊] 情报理论与实践
[作者]
马鑫 王芳 段刚龙
[目的/意义]随着电商平台商家入驻要求降低以及商品上线审核流程简化，内容安全风险问题成为协同过滤推荐算法伦理审查的核心问题之一。[方法/过程]本文将内容安全风险问题纳入用户协同过滤推荐算法的优化过程，提出一种改进的推荐算法。首先，采用混合研究方法对内容安全风险商品的定义、外在表现形式、特点、分类和风险程度进行了界定；然后，利用图像增强和关键词提取技术构建识别内容安全风险商品的多模态特征库，用于训练不同模态深度学习识别模型；再次，利用深度学习、多模态融合和均值聚类等技术对经典CFR算法进行改进，提出面向电商内容安全风险管控的CSCFR算法；最后，基于3个新数据集设计并实施对照实验，证明该算法在内容安全风险、精度、召回率和稳定性上的优越性。[结果/结论]与最新推荐算法相比，本文所提算法不仅显著提升了内容安全性，而且在精度等性能指标上也略有提升。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
