协同推荐

摘要： 为了解决电影推荐中,缺少用户有效评价的问题,本文提出了一种基于用户的person系数电影推荐算法并借助python实现,在MovieLens数据集中进行实验,得到较为满意的推荐精度87.3%。

摘要： 随着云计算及移动互联网技术的迅速发展,网络中可选服务信息呈爆炸性增长,信息过载问题日益严重.针对推荐系统中存在的数据稀疏性问题及冷启动问题,提出一种基于谱聚类和隐语义模型的智能协同推荐方法.该方法基于提取的用户标签特征信息,利用谱聚类算法对相似用户进行聚类,将原始高维评分矩阵转化为多个较低维的子评分矩阵.然后在子评分矩阵中利用隐语义模型对缺失评分进行局部预测.最后在获得缺失评分后利用改进的基于邻域的协同推荐算法对目标用户进行全局评分预测.所提算法有效解决了数据稀疏性问题和冷启动问题,在提高预测准确度的同时加快了推荐算法效率.

摘要： 图卷积神经网络是一种针对图结构数据的深度学习模型,由于具有强大的特征提取和表示学习能力,它也成为当前推荐系统研究的热门方法.以推荐系统中的评分预测为研究对象,通过分析指出了现有的基于图卷积神经网络的推荐模型存在2个方面的不足:图卷积层仅仅利用了1阶协同信号和未考虑用户观点的差异.为此,提出一种端到端的、基于增强图卷积神经网络的协同推荐模型.它采用一种增强的图卷积层,不仅聚合了2阶协同信号而且融合用户观点的影响,从而更合理地利用协同信号学习实体节点的嵌入表示,并通过堆叠多个图卷积层对其进行精化;最后,采用了非线性的多层感知机实现评分预测.基于5种推荐数据集上的实验结果表明:新模型的预测误差相比于几种主流的推荐模型具有明显的降低.

摘要： [目的 /意义]针对当前数字图书馆科技文献现有推荐方法中存在的语义缺失、情境缺失及潜在偏好挖掘不足等问题,提出基于科研人员情境化主题偏好的科技文献协同推荐方法.[方法/过程]首先基于情境感知技术识别科研人员情境信息,其次引入文本语义技术LDA主题模型挖掘科研人员的初始情境化主题偏好,继而根据科研人员情境的相似度与协同过滤思想扩展科研人员的情境化主题偏好,最后基于融合后的科研情境化偏好构建满足科研人员情境化需求的科技文献推荐列表.[结果/结论]实验结果表明,文章提出的基于科研人员情境化主题偏好的用户模型,能够较好地预测科研人员偏好,推荐效果更佳.

摘要： 协同推荐是信息个性化服务中广泛应用的推荐算法,协同推荐算法以宿主系统所观测到的用户评分作为实现推荐的数据依据.用户评分矩阵的稀疏性问题对协同推荐的各工作过程可产生直接或间接的影响,导致推荐服务的准确性下降.通过对稀疏性问题影响推荐系统方式的分析发现,一般协同推荐方法的项目相似度计算只注重项目在评分数值上的相关性,而忽视了项目之间评分的重合度对提高推荐质量所起的重要作用.通过将评分重合度融入到相似度计算中,提出了一种结合评分重合度的改进协同推荐算法,并在稀疏评分环境下将其与已有协同推荐算法进行了对比实验与分析,实验结果验证了所提算法在提高预测准确性上的有效性.

摘要： 平台方淘宝直播也为吴晓波的国货专场尽心尽力,“给予了流量上的最大支持”;新浪微博作为联合岀品方,进行了千万级曝光;吴晓波自己的“890新商学”还在上海、杭州等七个城市的机场、高铁站和写字楼进行广告投放,并联系林依轮、烈儿宝贝等头部直播网红协同推荐产品。看似绝不可能翻车的局,最终以意想不到的方式翻车了。据统计,吴晓波首场淘宝直播总计观看人数830万人,但销量仅2.72万件,客单价高达826.31元,预估GMV2200万元。吴晓波反思带货量不高的原因,认为是自己的表现和选品逻辑出现了问题。

摘要： 本文主要研究了基于人脸特征识别的商品推荐系统的设计思路、总体结构、推荐算法的模型设计;阐明了推荐系统的推荐系统的人脸识别算法、基于人脸特征识别的商品推荐系统的实现等.具体一定的实用价值.

摘要： 为了向读者推荐更多感兴趣的书目,提高读者对图书馆书目推荐的满意程度,文中提出基于机器学习算法的图书馆书目协同推荐系统.依托系统整体架构设计和实时协同推荐模块设计,完成系统的硬件设计;通过书目间相似度的计算和数据库设计,完成系统的软件设计,实现图书馆书目协同推荐系统的设计.结果表明,基于机器学习算法的图书馆书目协同推荐系统相比于传统协同推荐系统,读者的满意程度提升了77％,读者可以阅览更多感兴趣的书目.

摘要： 针对大型工程机械众多专利产品选择困难的问题,提出了一个为工程机械企业协同推荐专利产品的群决策方法.首先对工程机械专家的个体一致性与群体共识进行测度,结合这两个指标来判断专家是否达到要求的一致性/共识水平.在一致性/共识水平未达要求的情况下利用反馈机制对决策偏好进行修正;当一致性/共识水平达到要求时,采用优势度方法对专利产品进行排序选优,得到最终的专利推荐结果.最后,通过一个案例验证了这个方法的有效性与实用性.

摘要： 针对大型工程机械众多专利产品选择困难的问题,提出了一个为工程机械企业协同推荐专利产品的群决策方法.首先对工程机械专家的个体一致性与群体共识进行测度,结合这两个指标来判断专家是否达到要求的一致性/共识水平.在一致性/共识水平未达要求的情况下利用反馈机制对决策偏好进行修正;当一致性/共识水平达到要求时,采用优势度方法对专利产品进行排序选优,得到最终的专利推荐结果.最后,通过一个案例验证了这个方法的有效性与实用性.

摘要： 如何计算用户之间的相似度是协同推荐算法中最关键的技术，而现有算法在数据稀疏 或小邻居集的环境下性能严重下降。本文提出了一种基于用户行为相似度的协同推荐算法（UBS），它充分考虑数据稀疏环境的特点，从评分矩阵中挖掘用户的网络行为特征，得到用户 之间更真实的用户行为相似度，最终有效地解决了传统方案在稀疏数据和小邻居集下的相似度 不准确问题。实验结果表明该算法在稀疏数据和小邻居集环境下，推荐质量都取得了明显的改进效果。

摘要： 通过对搜索引擎的日志进行统计分析，可以了解用户使用搜索引擎的规律，挖掘用户的兴趣信息，从而可以提高网络信息检索技术的性能。搜狗是一个中文搜索引擎，本文对搜狗日志中有密切联系的查询、用户和点击3个元素进行了统计分析，着重统计分析了各项之间的相互关系，揭示出用户使用搜索引擎的一些新规律：用户在检索过程中对各大门户网站的关注最多;在一个月的时间内提交少于5个不同查询词的用户占据了93.7％，60％的查询词对应多于两个的用户点击，而且93％的用户点击的URL不会多于10个;文中根据用户对相同查询的点击相同与否这个信息，论证了个性化信息检索的必要性，协同推荐技术只能解决少量用户和查询的检索问题，对于大部分的用户和查询，需要个性化的技术来解决。这一发现对于改进中文搜索引擎的性能有很好的指导意义.

摘要： 本文为解决现有协同推荐系统存在的"兴趣整体相似性"问题,提出了基于兴趣局部相似的协同推荐方法,并提出了相应地实现该方法的用户兴趣模型。实验结果表明,该方法能够向用户推荐用户感兴趣却意想不到的内容,较好地提高个性化推荐系统的准确度。

摘要： 日趋成熟的Internet环境为软件服务的发布和使用提供了有力的技术支持，从而使大量开放软件系统，如网构软件，开放资源联盟等，可通过动态的服务组合与协作的方式构建，其中选取可信的组件服务是构建可靠软件系统的重要环节。协同推荐机制是一类通过设计信息收集策略聚集历史用户与软件的交互反馈，使用服务评估模型合并推荐信息得到服务综合评价的方法。其中信息收集过程需要进行分布式节点间的消息发送和经验传递，其效率直接影响到整个推荐机制的有效性。为了满足开放系统高度动态性，特别是系统在线演化对服务评估高效性提出的要求，本文中提出了一个基于声誉的推荐者发现方法，首先引入一个相关因子量化不同上下文中的推荐信任关系，得到信任可传递空间，然后应用信任子网分割算法得到评估发起者的可信推荐者群，最后通过主体群内的信任传递与迭代计算确定具有高声誉值的推荐信息源。初步实验表明该方法有助于在保证推荐信息准确性基础上，减少信息收集中的网络资源消耗，从而有效提高可信服务评估的效率。

摘要： 本发明公开了一种基于图卷积协同过滤的推荐预测系统以及推荐预测方法，系统包括输入层、图卷积模型层和特征交互层，图卷积模型层构建有图卷积模型，图卷积模型以用户输入向量集合和项目输入向量集合作为输入数据，输出经过L层传播后的用户多重嵌入向量组和项目多重嵌入向量组；特征交互层使用外积对用户多重嵌入向量组和项目多重嵌入向量组进行交叉建模，构建交互体，通过CNN网络模型对交互体进行学习，最终得到用户节点对项目节点的预测结果。本发明使用外积对用户多重嵌入向量组和项目多重嵌入向量组进行交叉建模，构建交互体，利用CNN网络提取交互体的多维度关系和深层次交互关联，从理论上提升预测结果的有效性，从而提升推荐精确度。

摘要： 本发明公开了一种改进了协同过滤推荐算法的推荐系统，属于推荐系统技术相关领域。该推荐系统包括输入模块、推荐算法和输出模块三个部分，输入模块用于输入用户个人基本信息、用户对项目的评分和用户历史信息等；推荐算法根据输入信息分析用户兴趣爱好，寻找最相似用户和项目，给出预测的评分结果；输出模块依据用户输入请求，输出相应的推荐项目。其中改进部分是对推荐算法中冷启动问题进行优化。针对新用户、新项目和新系统不同的冷启动问题，提出了优化解决方法。

摘要： 本发明公开了一种基于协同过滤推荐算法用于案例推荐的方法与系统，该方法包括以下步骤：S1、用户输入；S2、对用户选择项进行相似度计算，发现最近邻居；S3、根据用户相似度计算产生推荐数据集；S4、构建并利用标签给用户推荐相似案例。有益效果：通过运用协同过滤算法及对其进行改进，能够提高推荐案例的准确性，在用户选择输入项后，会根据系统推荐的案例选择不相关、基本相关、非常相关，从而能够有效地提高用户对案例的理解程度，降低民众维权的专业性限制；同时本方法通过改进现有推荐算法能够根据用户的选择项直接判断是否为相似输入，甚至找到相同输入，从而减少现有算法中的数据矩阵构建，提高效率与推荐的准确率。

摘要： 一种基于协同过滤的视频栏目推荐系统，包括：用户模型创建模块、用户相似度计算模块、最近邻居集生成模块、栏目评分生成模块和推荐模块。本发明所述推荐方法设置奖励项，增加冷门栏目对用户相似度的作用。本发明所述推荐方法通过用户相似度矩阵M可以减少计算量。本发明所述推荐方法评分采用最近邻居相似度加权平均的方法，更加充分分析用户偏好，挖掘用户潜在兴趣点。

摘要： 本申请提供一种基于协同过滤推荐模型的物品推荐方法及装置，方法包括：获取目标用户的历史行为数据，基于所述历史行为数据构建数据序列，所述数据序列中包括与所述目标用户交互的多个物品的初始向量表示；将所述数据序列输入物品推荐模型中，确定所述目标用户的用户向量表示，并基于相似物品选择策略和基于注意力机制的向量融合方法确定目标物品的增强式向量表示；基于所述目标物品的增强式向量表示和所述目标用户的用户向量表示，确定所述目标用户对所述目标物品的喜爱程度预测值，并基于所述喜爱程度预测值对所述目标物品进行推荐，实现更精准地计算用户对物品的喜好程度，提高了物品推荐模型的推荐效果。

摘要： 本发明公开了一种基于协同过滤推荐算法用于案例推荐的方法与系统，该方法包括以下步骤：S1、用户输入；S2、对用户选择项进行相似度计算，发现最近邻居；S3、根据用户相似度计算产生推荐数据集；S4、构建并利用标签给用户推荐相似案例。有益效果：通过运用协同过滤算法及对其进行改进，能够提高推荐案例的准确性，在用户选择输入项后，会根据系统推荐的案例选择不相关、基本相关、非常相关，从而能够有效地提高用户对案例的理解程度，降低民众维权的专业性限制；同时本方法通过改进现有推荐算法能够根据用户的选择项直接判断是否为相似输入，甚至找到相同输入，从而减少现有算法中的数据矩阵构建，提高效率与推荐的准确率。

摘要： 本发明公开了一种改进了协同过滤推荐算法的推荐系统，属于推荐系统技术相关领域。该推荐系统包括输入模块、推荐算法和输出模块三个部分，输入模块用于输入用户个人基本信息、用户对项目的评分和用户历史信息等；推荐算法根据输入信息分析用户兴趣爱好，寻找最相似用户和项目，给出预测的评分结果；输出模块依据用户输入请求，输出相应的推荐项目。其中改进部分是对推荐算法中冷启动问题进行优化。针对新用户、新项目和新系统不同的冷启动问题，提出了优化解决方法。

摘要： 本发明公开了一种基于图卷积协同过滤的推荐预测系统以及推荐预测方法，系统包括输入层、图卷积模型层和特征交互层，图卷积模型层构建有图卷积模型，图卷积模型以用户输入向量集合和项目输入向量集合作为输入数据，输出经过L层传播后的用户多重嵌入向量组和项目多重嵌入向量组；特征交互层使用外积对用户多重嵌入向量组和项目多重嵌入向量组进行交叉建模，构建交互体，通过CNN网络模型对交互体进行学习，最终得到用户节点对项目节点的预测结果。本发明使用外积对用户多重嵌入向量组和项目多重嵌入向量组进行交叉建模，构建交互体，利用CNN网络提取交互体的多维度关系和深层次交互关联，从理论上提升预测结果的有效性，从而提升推荐精确度。

摘要： 一种面向移动订餐系统的内容推荐和协同过滤推荐的混合方法，包括：依据客户已往所购产品数据和产品收藏情况，得出客户特征向量和客户对产品特征的偏好；根据客户特征向量和客户特征喜好深度，采用余弦相似度计算客户之间的相似度，根据相似值的大小对客户进行排序；根据相似客户购买的产品种类，基于产品评分，按照分值大小从高到低排序，将产品列进候选推荐集合中；计算各种产品集合，得到最终推荐集合。本发明结合餐饮产品的特点实现商家对用户的个性化推荐，降低了用户评分和数据量少的局限性，加强了移动订餐的管理能力，从而保证了向用户推荐符合其实际需要的产品和服务。

摘要： 本发明公开了一种基于用户行为分析的移动Web业务推荐方法及协同推荐系统，首先构建了Web业务预测模型，并通过智能终端侧用户浏览数据和可穿戴设备侧用户生理数据，寻找与目标用户长期习惯最相似及短期情绪最相似的两个最优关联用户。进而，利用两个最优关联用户数据丰富目标用户预测模型样本库，实现引入噪声最小化的样本丰富机制。设计基于特征向量的Web资源存储机制，根据模型预测结果，实现移动Web业务的准确推荐。该方案通过智能终端和可穿戴设备间交互合作，将可穿戴设备侧生理数据进行应用重构，从多视角、多维度分析用户行为，实现业务的准确预测与推荐，进而提升用户的使用体验。