您的位置: 专家智库 > >

陈艳

作品数:2 被引量:24H指数:2
供职机构:安徽大学计算机科学与技术学院更多>>
发文基金:国家自然科学基金国家重点基础研究发展计划安徽省自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 1篇信用
  • 1篇信用评估
  • 1篇用户
  • 1篇用户偏好
  • 1篇正则
  • 1篇正则化
  • 1篇数据挖掘
  • 1篇数据挖掘技术
  • 1篇协同过滤
  • 1篇矩阵
  • 1篇矩阵分解
  • 1篇客户
  • 1篇个性化推荐
  • 1篇保险
  • 1篇保险客户

机构

  • 2篇安徽大学

作者

  • 2篇陈艳
  • 1篇张燕平
  • 1篇刘慧婷
  • 1篇肖慧慧

传媒

  • 1篇计算机应用
  • 1篇计算机技术与...

年份

  • 1篇2015
  • 1篇2008
2 条 记 录,以下是 1-2
排序方式:
数据挖掘技术在保险客户信用评估的应用被引量:8
2008年
目前,数据挖掘技术广泛应用于各个领域中。文中将数据挖掘应用于保险客户在信用等级的分类中,即采用了基于神经网络的覆盖算法作为客户信用评分分类器的设计算法。通过对保险数据的分析,对保险用户信用等级进行分类,降低了人为因素的评价干扰。通过分类实验表明,覆盖算法的准确性和网络训练速度都大大高于SVM。为保险公司有针对性的调查提供了一定的参考依据。
陈艳张燕平
关键词:数据挖掘保险信用评估
基于用户偏好的矩阵分解推荐算法被引量:16
2015年
为提高推荐精确度,提出了一种基于用户偏好的矩阵分解推荐算法(USPMF)。综合考虑通过对用户之间的相似性、用户与项目之间的信息的分析,同时考虑数据量大引起的时间和空间复杂度高的问题,引入了矩阵分解方式。USPMF算法以优化损失函数为目标,在达到全局最优的同时,提高预测的准确度。将USPMF算法与正则化矩阵分解算法、基于用户的协同过滤推荐算法进行了比较,在真实的数据集上的实验结果表明,USPMF算法在预测准确性上有显著提高,平均绝对误差(MAE)分别降低了13.70%、1.17%,均方根误差(RMSE)分别降低了15.07%、1.03%。
刘慧婷陈艳肖慧慧
关键词:矩阵分解用户偏好正则化协同过滤个性化推荐
共1页<1>
聚类工具0