谷振鹏 作品数:4 被引量:10 H指数:2 供职机构: 河南理工大学计算机科学与技术学院 更多>> 发文基金: 河南省高等学校青年骨干教师资助计划项目 国家自然科学基金 更多>> 相关领域: 自动化与计算机技术 更多>>
一种非对称相似度矩阵约束的群组协同过滤算法 被引量:2 2017年 针对传统协同过滤算法无法处理社交网络中逐渐形成的以群组为中心的群体行为且很少考虑用户间普遍存在的不对称关系,提出一种非对称因子约束相似度矩阵的群组协同过滤算法.首先通过构建虚拟用户作为群组特征,把多维数据降维成与用户特征等价的虚拟用户,以替代群组进行相似度计算.其次引入影响因子和偏移因子两种相似度限制因子来构建非对称相似矩阵,影响因子表示用户相互影响力的大小关系,偏移因子则考虑用户评分习惯间的差异.实验结果表明该方法与传统推荐算法相比具有收敛速度快、预测精度高的优势,提高了推荐质量并解决了群组特征处理问题. 王建芳 谷振鹏 张朋飞 刘永利关键词:推荐系统 协同过滤 群组 一种优化的带偏置概率矩阵分解算法 被引量:1 2017年 针对个性化推荐过程中高维稀疏性引起的数据震荡和推荐精度不高的问题,提出一种通过交替最小二乘算法(Alternating Least Squares,ALS)来优化的带偏置概率矩阵分解的推荐方法.首先将用户项目的偏置信息融入到改进的概率矩阵分解算法中.其次为了提升训练速度和推荐精度,将训练得到的用户项目潜在因子向量作为ALS的初始值,进而得到用户项目潜在因子矩阵.最后利用分解后的两个低维矩阵对原矩阵中的未知评分进行预测.在Movielens100k数据集上的实验结果表明,本文提出的推荐算法在相对于传统的带偏置概率矩阵分解来说最高提高3.41%,结果稳定且准确率高. 王建芳 张朋飞 谷振鹏 刘冉东关键词:偏置 个性化推荐 基于相似性填充和信任因子的协同过滤算法 被引量:3 2017年 针对传统协同过滤算法中用户交叉评分项较少的情况,提出一种相似度与社交网络中信任因子结合的新方法。首先利用评分矩阵获取用户间相对缺失的评分项。其次通过概率矩阵分解技术进行降维获得近似评分矩阵,用以动态填充上述缺失项目评分,以填充后的用户评分计算用户间相似度。对于部分填充中存在误差的项目通过信任因子动态调整,获得更符合实际的相似度。在公开数据集Movie Lens的实验结果显示,该方法较传统方法在推荐精度方面提升2.1%以上。 王建芳 谷振鹏 刘冉东 刘永利关键词:协同过滤 数据稀疏 一种改进专家信任的协同过滤推荐算法 被引量:4 2018年 针对传统基于用户的协同过滤算法较少考虑信任对象所处环境的实时变化,提出一种结合社交网络的专家信任推荐算法。为更好地量化对象之间的信任度,首先利用专家的评价可信度、活跃度、评价偏差度等量化因子计算得到专家的信任值;其次在评分形成的过程中与近邻算法相融合,明确用户与"专家"和"近邻"的偏好,当可选专家人数小于预先设定的阈值时,利用协调因子动态调整近邻算法与改进专家算法的权重,以便获得更加客观的项目评分。最终实验结果表明,在不同大小的Movie Lens数据集上相比于传统的算法,提出的推荐算法在实时推荐预测准确度方面有显著提高。 王建芳 刘冉东 谷振鹏 刘永利