推荐系统
推荐系统的相关文献在2001年到2023年内共计5128篇,主要集中在自动化技术、计算机技术、信息与知识传播、贸易经济
等领域,其中期刊论文2763篇、会议论文113篇、专利文献3731974篇;相关期刊699种,包括电脑知识与技术、计算机工程、计算机工程与设计等;
相关会议93种,包括第15届全国软件与应用学术会议(NASAC2016)、第六届中国计算机学会服务计算学术会议、第十九届网络新技术与应用年会等;推荐系统的相关文献由10137位作者贡献,包括不公告发明人、李磊、周思凡等。
推荐系统—发文量
专利文献>
论文:3731974篇
占比:99.92%
总计:3734850篇
推荐系统
-研究学者
- 不公告发明人
- 李磊
- 周思凡
- 曹健
- 李改
- 苏湛
- 孟祥武
- 杨成
- 于炯
- 李慧
- 李超
- 艾均
- 杨兴耀
- 王伟
- 何明
- 刘洋
- 崔春生
- 王卫平
- 聂规划
- 冷亚军
- 刘鑫
- 张伟
- 李晨
- 肖云鹏
- 印鉴
- 吴国栋
- 张玉洁
- 李斌
- 李鹏
- 杨浩
- 王磊
- 田伟
- 钱育蓉
- 陈冬林
- 刘奕群
- 刘旭东
- 吴健
- 孙静宇
- 张鹏
- 文俊浩
- 李辉
- 杨燕
- 欧阳元新
- 汪洋
- 熊璋
- 王斌
- 蒋宗礼
- 赵海燕
- 赵鑫
- 郭景峰
-
-
申艳梅;
李亚平;
王岩
-
-
摘要:
针对传统协同过滤算法的冷启动、推荐精度低等问题,提出基于用户属性和项目属性的协同过滤算法以及它们两者的融合推荐算法.在计算用户相似度时,提出用户年龄、性别和职业属性差异度,并与皮尔逊相关系数加权结合;在计算项目相似度时,提出项目类型标签和项目被评分时间,并将两者与项目余弦相似度融合.最后将上述两种算法的推荐结果进行加权融合.实验结果表明,改进的融合推荐算法相比其他4种算法在平均绝对误差率(mean abso-lute error,MAE)和时间性能方面有更好的推荐结果,并且能够在有新用户和新项目出现的情况下明显提高推荐系统的推荐质量.
-
-
任鑫伟;
江先亮
-
-
摘要:
随着互联网技术和在线教育的飞速发展,目前我国已出现大量线上教育平台,但这些在线教育平台相互间信息不能共享,导致课程信息冗余过载,用户选择困难.本文综述了近年来课程推荐方面的研究进展,首先介绍了课程推荐中的相关概念并给出了系统框架;然后围绕课程建模、用户建模、核心算法3个方面进行探讨,重点综述了5类算法:内容推荐、协同过滤、混合推荐、深度学习推荐和多模态融合推荐,并分析了数据集、实验方法和评价指标;最后对个性化课程推荐技术进行了总结和展望.
-
-
许小颖;
陈熙;
陈源;
谢永靖
-
-
摘要:
区块链作为一种新兴技术,以其去中心化、难以篡改、匿名性和可追溯性等特点,为个性化推荐系统的改进提供了一种崭新的思路。为此,首先对近年来推荐系统面临的主要问题和区块链技术带来的机遇进行归纳总结,然后采用文献分析方法,从时间分布、文献类型、研究问题和评估指标4个层面,对推荐系统中区块链技术的应用研究进行分析和总结。分析结果表明:区块链对于解决推荐系统的数据安全和隐私保护、数据共享、数据可信和推荐透明度问题有重要意义;已有研究主要集中于解决推荐系统中用户的数据安全和隐私保护问题,而在跨平台数据共享、数据激励机制设计和系统可扩展性等方面的研究仍有待进一步突破。
-
-
刘蔚
-
-
摘要:
人工智能技术从概念阶段进入到工业界落地实施阶段,各企业也希望将互联网的先进技术应用于企业智能化中。在企业内部实现基于人工智能的推荐系统,将企业内部新闻、知识、积累的技术向员工推送,改变传统的依靠员工在各种系统中人为检索的方式,实现从人找知识到知识找人的转变。本文描述了一种基于人工智能的企业级搜索推荐的实践方式。
-
-
郑诚;
付娴;
董露露
-
-
摘要:
目前,潜在因子模型被广泛用于推荐,现有的方法大多利用用户与项目之间的交互信息来学习潜在特征,然而,用户和项目的潜在特征可能是来自多个方面.同时,考虑到神经结构可以替代矩阵分解中内积的形式,模拟用户和项目之间的交互,本文提出了一种融合多方面潜在特征和神经网络的推荐模型.首先,将推荐系统建模为包含丰富语义的异构信息网络,然后利用元路径和异构skip-gram模型提取并学习不同方面的潜在特征;其次,结合注意力机制将这些特征向量加权融合;最后,将得到的用户和项目的全局向量表示送入到神经网络中以实现评分预测.本文模型在movielens数据集和豆瓣电影数据集上进行了实验,结果表明,该算法相比于传统仅基于单一方面的算法和不采用神经结构的算法具有更低的平均绝对误差和均方误差.
-
-
田海梅
-
-
摘要:
推荐系统可以主动帮助用户找到符合偏好的个性化物品并推荐给用户,矩阵分解方法是推荐系统中较为经典的方法。为了解决推荐系统矩阵分解中数据稀疏导致矩阵分解性能不佳的问题,提出了对矩阵分解进行改进的方法。首先对矩阵分解进行改进,然后在改进的矩阵分解的基础上融合项目本身潜在的附加信息,最后通过引入项目之间的相似度来进行计算,从而提高推荐算法的准确率。实验结果表明,新方法明显优于现有的矩阵分解推荐模型,具有很好的应用价值。
-
-
胡安明
-
-
摘要:
推荐系统本质是一种信息检索技术,能根据用户喜好在海量数据中检索出合适数据推荐给用户,传统推荐系统一般使用协同过滤推荐算法,协同过滤推荐算法主要通过挖掘用户的历史行为数据进行推荐,但传统推荐算法存在着稀疏矩阵、冷启动、实时性等问题困扰[1];因此,本文提出一种基于自适应布谷鸟聚类搜索的改进推荐系统算法,首先对推荐数据进行聚类处理,然后利用布谷鸟算法较强的全局搜索能力,提升推荐系统的准确度,实验结果表明,引入自适应布谷鸟聚类搜索能对传统协同过滤算法在推荐精度、召回率等方面指标方面有一定提高,计算效果优于传统推荐算法。
-
-
侯晓慧;
邹凯文;
许新楷;
张永爱;
周雄图
-
-
摘要:
针对传统推荐模型只能提取低阶特征,不能挖掘高阶组合特征,且推荐结果往往没有考虑到Bias的问题,本文提出一种适用于游戏推荐场景的基于DeepFM的校准游戏推荐方法。此方法充分发挥了DeepFM能够挖掘低阶和高阶特征的能力,利用Steam平台的数据集训练优化模型,并进行了测试验证,同时还运用校准推荐对结果进行去偏得到最后的推荐列表。测试结果表明,改进优化后的推荐模型具有更好的表现,评测指标AUC值相较对比模型提高了3%~4%,经过校准的推荐列表更加拟合用户交互。
-
-
朱欣娟;
童小凯;
王西汉;
高全力
-
-
摘要:
针对传统推荐模型存在的稀疏性和冷启动问题,引入知识图谱作为辅助信息,可缓解以上问题并具有可解释性。然而相比用户偏好传播,知识图谱更倾向知识传播且难以捕捉高阶关系。为此,文中将协同因子模块融合到知识图谱传播推荐算法中,以捕捉高阶关系和发现隐式模式。此外,设计了一个由共现矩阵密度参数构成的密度门,使得协同因子模块能够通过感知共现矩阵的稀疏性来控制输出。最后分别在电影、图书和音乐这3个公开数据集上进行对比实验,实验结果表明该模型在点击率预测场景中表现较好,在知识图谱实体关系难以解释用户兴趣偏好的数据集上指标提升明显。
-
-
武聪;
马文明;
王冰;
朱建豪
-
-
摘要:
随着互联网时代的到来,推荐系统已经成为人们在网络上筛选资源的得力助手,传统推荐系统通过用户的评分信息来计算用户相似度并为用户进行资源的推荐,但仍存在冷启动、数据稀疏性等各种问题,极大地影响推荐质量.近年来,标签的出现带给推荐系统新的机遇,它能够具体准确地描述用户的兴趣偏好,使推荐系统可以通过标签属性来更准确地了解用户喜好,从而为用户进行个性化推荐,极大提高了推荐精度和用户满意度.结合标签属性与评分的关系来计算用户标签相似度,结合用户和资源信息来计算用户相似度,将两者同时融入矩阵分解模型中,从而加强了推荐依据,提升了推荐的准确性.实验结果表明,在ml-latest-small数据集上,提出的算法UTagJMF的尺MSE降低2%左右;在Hetrec2011-movielens-2k数据集上,UTagJMF的RMSE降低2.2%左右.证明提出的算法模型明显优于其他算法的预测效果.
-
-
李曼玉;
李雪峰
- 《第十四届(2019)中国管理学年会》
| 2019年
-
摘要:
科学研究的发展动态一直是学者们在进行一项研究时关注的重点,因此对于某一科研领域发展趋势的测度就显得至关重要.以推荐系统科学研究为例,为了解该领域研究的发展动态,建立推荐系统科学研究的趋势测度路径,本文基于SCI-E和SSCI数据库中提取的2001至2019年推荐系统相关的文献数据,使用信息计量、社会网络分析和突现检测算法,借助于Excel、Sci2和Cite Space等数据分析工具,对该领域科研发展进行趋势测度研究.分析发现,推荐系统领域科学总产出呈现明显的上升趋势;中国和美国的论文产量处于世界领先地位,但产出趋势却截然相反;瑞士、美国、西班牙具有较高的科学影响力,尤其是瑞士在这方面表现非常突出;推荐系统领域的跨国家合作网络呈现明显的扩张,从2013年开始尤为明显;热门研究主题主要集中在:推荐、社会网络、个性化等;前沿主题主要有:矩阵因子、大数据、话题模型等,而二分网络、注意力机制、相似性方法也作为近年来新兴的研究主题出现.目前还没有利用信息计量、社会网络等方法对推荐系统领域研究趋势进行测度的文献.本文不仅为推荐系统领域研究动态提供了数据支撑,同时也为其他学科的科研动态研究提供了指导性思路,从"量"(学科产出)到"质"(学术影响力),再到横向的网状研究(国家合作)和研究内容的变化,这一研究路径是具有借鉴意义的.
-
-
廖長彥;
張聰;
鄭年亨;
張菀真
- 《第22届全球华人计算机教育应用大会》
| 2018年
-
摘要:
想法产生在写作过程中扮演重要角色.透过自然语言技术来挖掘词汇间或句子间的语义关系,能推荐适合内容来引发学生产生想法.因此,本研究基于语料库的来发展小学中文写作推荐系统,并对其系统进行初步评估.本研究收集、分析、处理与建置具备58万篇写作文本的中小学语料库,并发展写作词汇与句子推荐机制,并邀请37名四年级学生参与评估.研究发现,学生对于提供的候选词汇或句子都有接近6成的认同度,但仍有近4成候选词汇或句子不适用;再者,学生对于系统有超过6成的正向态度.
-
-
-
Zhu Jinghua;
朱敬华;
Guo Xu;
郭旭
- 《2018年全国高性能计算学术年会》
| 2018年
-
摘要:
随着互联网应用的蓬勃发展,网络数据信息以指数级别爆炸增长.推荐系统作为解决信息过载的有效手段,成为工业界与学术界的研究热点.面向用户隐式反馈的推荐算法主要基于协同过滤和贝叶斯个性化排序等方法,这些方法对点击、收藏、加入购物车等用户行为的隐式反馈特征利用不充分.本文提出一种基于神经网络的用户向量化表示模型,能够充分利用用户的多种隐式反馈特征.同时本文借鉴机器翻译中的Self-attention模型设计一种推荐模型,融合用户向量化表示和用户-项目交互的动态时序特征,从而提高推荐系统性能.在公开数据集上进行对比实验,结果表明,与其他面向隐式反馈推荐模型方法相比,本文提出的推荐模型具有更好的推荐性能,并且对于用户行为特征具有很好的泛化能力.
-
-
-
孙见山;
徐东;
姜元春
- 《第十二届(2017)中国管理学年会》
| 2017年
-
摘要:
现如今推荐系统已经成为了电子商务公司为了满足客户需求的重要工具.但是在线用户的不断扩充以及产生大量的信息,如何利用这些信息并准确地提供了个性化的内容变得越来越具有挑战性.传统的推荐模型过于依赖用户的偏好评分,而且还常常受到数据稀疏性问题的影响.单分类协同过滤模型更适用于电子商务真实的情况但在物品推荐上还有明显的不足之处.为了应对上述的挑战,本文利用用户的人格信息和单分类协同过滤模型提出了一种融合人格信息的单分类协同过滤模型(PA_OCCF).通过在公开数据集上的实验验证,结果表明本文提出的模型能够提高传统单分类协同过滤模型的性能并有效缓解了新用户冷启动问题.
-
-
Ruixin Guo;
郭睿欣;
Feng Zhang;
张锋;
Lizhe Wang;
王力哲;
Wusheng Zhang;
张武生;
Xinya Lei;
雷辛亚;
Erkang Xue;
薛尔康
- 《2018年全国高性能计算学术年会》
| 2018年
-
摘要:
现有的并行矩阵分解算法通常采用对矩阵分块的方法,将互不冲突的分块并行地计算.负载不均衡是同步并行算法中常见的问题——各分块中评分数量差异较大,导致线程阻塞和空等待,降低并行效率.本文提出一种"均衡分块"的方法,通过分别调整行块、列块尺寸均衡评分数的分布,达到方体块评分均衡的目标.以块评分数方差衡量"均衡",从理论上分析和证明了均衡分块的可行性;将均衡分块应用于DSGD和CCD++等并行矩阵分解算法,通过大规模分布式实验,验证了该方法能大大提升并行性能."均衡分块"作为一种普适的负载均衡思想,适用于基于矩阵分块、同步的矩阵分解并行算法,具备广泛的应用价值.
-
-
Ruixin Guo;
郭睿欣;
Feng Zhang;
张锋;
Lizhe Wang;
王力哲;
Wusheng Zhang;
张武生;
Xinya Lei;
雷辛亚;
Erkang Xue;
薛尔康
- 《2018年全国高性能计算学术年会》
| 2018年
-
摘要:
现有的并行矩阵分解算法通常采用对矩阵分块的方法,将互不冲突的分块并行地计算.负载不均衡是同步并行算法中常见的问题——各分块中评分数量差异较大,导致线程阻塞和空等待,降低并行效率.本文提出一种"均衡分块"的方法,通过分别调整行块、列块尺寸均衡评分数的分布,达到方体块评分均衡的目标.以块评分数方差衡量"均衡",从理论上分析和证明了均衡分块的可行性;将均衡分块应用于DSGD和CCD++等并行矩阵分解算法,通过大规模分布式实验,验证了该方法能大大提升并行性能."均衡分块"作为一种普适的负载均衡思想,适用于基于矩阵分块、同步的矩阵分解并行算法,具备广泛的应用价值.
-
-
Ruixin Guo;
郭睿欣;
Feng Zhang;
张锋;
Lizhe Wang;
王力哲;
Wusheng Zhang;
张武生;
Xinya Lei;
雷辛亚;
Erkang Xue;
薛尔康
- 《2018年全国高性能计算学术年会》
| 2018年
-
摘要:
现有的并行矩阵分解算法通常采用对矩阵分块的方法,将互不冲突的分块并行地计算.负载不均衡是同步并行算法中常见的问题——各分块中评分数量差异较大,导致线程阻塞和空等待,降低并行效率.本文提出一种"均衡分块"的方法,通过分别调整行块、列块尺寸均衡评分数的分布,达到方体块评分均衡的目标.以块评分数方差衡量"均衡",从理论上分析和证明了均衡分块的可行性;将均衡分块应用于DSGD和CCD++等并行矩阵分解算法,通过大规模分布式实验,验证了该方法能大大提升并行性能."均衡分块"作为一种普适的负载均衡思想,适用于基于矩阵分块、同步的矩阵分解并行算法,具备广泛的应用价值.
-
-
Ruixin Guo;
郭睿欣;
Feng Zhang;
张锋;
Lizhe Wang;
王力哲;
Wusheng Zhang;
张武生;
Xinya Lei;
雷辛亚;
Erkang Xue;
薛尔康
- 《2018年全国高性能计算学术年会》
| 2018年
-
摘要:
现有的并行矩阵分解算法通常采用对矩阵分块的方法,将互不冲突的分块并行地计算.负载不均衡是同步并行算法中常见的问题——各分块中评分数量差异较大,导致线程阻塞和空等待,降低并行效率.本文提出一种"均衡分块"的方法,通过分别调整行块、列块尺寸均衡评分数的分布,达到方体块评分均衡的目标.以块评分数方差衡量"均衡",从理论上分析和证明了均衡分块的可行性;将均衡分块应用于DSGD和CCD++等并行矩阵分解算法,通过大规模分布式实验,验证了该方法能大大提升并行性能."均衡分块"作为一种普适的负载均衡思想,适用于基于矩阵分块、同步的矩阵分解并行算法,具备广泛的应用价值.