题名 基于用户多属性与兴趣的协同过滤算法
被引量：14
1
作者
赵文涛 王春春 成亚飞 孟令军 赵好好
机构
河南理工大学计算机科学与技术学院
出处
《计算机应用研究》
CSCD
北大核心
2016年第12期3630-3633,3653,共5页
基金
河南省科技攻关资助项目(142402210435) 河南省高等学校矿山信息化重点学科开放基金资助项目(ky2012-02)
文摘
传统的协同过滤算法广泛应用于推荐系统领域,但该算法仍存在用户冷启动和数据稀疏性问题,造成算法的推荐质量较差。对此,提出一种基于用户多属性与兴趣的协同过滤算法AICF(attributes and interests collaborative filtering)。首先通过对多种用户属性分配权重计算出用户多属性相似度。其次利用改进的Slope One算法填充用户—项目评分矩阵,然后计算基于隐性标签的用户兴趣相似度。最后基于两种相似度的组合进行推荐。实验结果表明,AICF算法不仅明显提高了推荐结果的准确性,同时也改善了用户冷启动和数据稀疏性问题。
关键词
协同过滤 冷启动 数据稀疏性 用户多属性 隐性标签
Keywords
collaborative filtering cold start data sparsity user muhi-attribute implicit tag
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 融合标签概念空间及用户网络的语义社团发现研究
2
作者
易明 秦涵 蒋武轩
机构
华中师范大学信息管理学院
出处
《情报科学》
CSSCI
北大核心
2020年第2期29-38,74,共11页
基金
国家社会科学基金一般项目“基于人类动力学的社交网络信息交流行为研究”(16BTQ076).
文摘
【目的/意义】基于标签系统所蕴含的语义信息与隐性社会网络,构建融合标签概念空间及用户网络的语义社团发现模型,提高社团发现的质量。【方法/过程】通过构建标签的概念空间挖掘标签间的语义关系,并根据标签包含的隐性社会网络发现用户网络,进而将两者结合融入到社团发现算法中,并以豆瓣网数据对模型进行实证。【结果/结论】标签概念空间及用户网络能够提升语义社团发现算法效果。
关键词
标签系统 概念空间 隐性社会网络 语义社团发现
Keywords
tag ging systemconcept space implicit social networksemantic community detection
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 基于隐式反馈LDA模型的协同推荐算法研究
被引量：5
3
作者
翟航天 汪学明
机构
贵州大学计算机科学与技术学院
出处
《计算机技术与发展》
2019年第6期7-12,共6页
基金
国家自然科学基金([2011]61163049) 贵州省自然科学基金(黔科合J字[2014]7641)
文摘
传统基于用户和基于标签的协同过滤推荐算法仅采用用户评分显式信息进行分析,浪费掉大量的隐式反馈数据。为将隐式反馈数据加以利用,提出一种用户隐式反馈数据与资源标签相结合的协同过滤推荐算法。对资源-标签利用GibbsSampling算法进行采样分析,挖掘推荐系统中资源的主题并建立LatentDirichletAllocation(LDA)模型,将隐式反馈数据中的用户行为赋予主题标签以此获取用户标签偏好,并与资源标签计算出的资源相似度相结合,预测用户个性化偏好。在Retailrocket网站行为数据集上的实验结果表明,相较于传统基于隐式反馈和基于标签的协同过滤推荐算法,该算法能有效地解决用户标签模糊和资源主题分析存在偏差的问题,提高个性化推荐准确度。
关键词
隐式反馈 标签采样 LDA建模 协同过滤 个性化推荐
Keywords
implicit feedbacktag samplingLDA modeling collaborative filtering personalized recommendation
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 结合多种语言学特征的中文隐式情感分类
被引量：5
4
作者
陆靓倩 王中卿 周国栋
机构
苏州大学计算机科学与技术学院
出处
《计算机科学》
CSCD
北大核心
2023年第12期255-261,共7页
基金
国家自然科学基金(62076175,61976146)。
文摘
情感分析一直是自然语言处理中的热点研究方向,隐式情感分类指无显式情感词的情感分类任务,目前,隐式情感分析还处于起步阶段。隐式情感分析面临缺乏显式情感词、表达方式委婉、语义难以理解等问题,传统的情感分析方法如情感词典、词袋模型等难以生效,使得隐式情感分类任务更加艰巨。针对以上问题,提出了一种结合文本、词性与依存关系的图神经网络模型来进行隐式情感分类。具体来说,模型首先抽取文本的词性和依存特征,然后使用预训练语言模型BERT提取文本向量特征,从而构建了一个基于多种语言学特征的图注意力神经网络。该模型在SMP2021隐式情感识别公开数据集上进行了多次实验。实验结果表明,相较于多种基线模型,所提模型取得了较好的分类效果,证实了所提出的融合了多种语言学特征的隐式情感分类方法具有可行性和有效性。
关键词
隐式情感分类 词性标注 依存分析 图模型 BERT 语言学特征
Keywords
implicit sentiment classificationPart-of-speech tag ging Dependency analysis Graph model BERT Linguistic features
分类号
TP391
[自动化与计算机技术—计算机应用技术]
