-
题名基于改进神经协同过滤模型的电影推荐系统
被引量：8
- 1
-
-
作者
王骏
虞歌
-
机构
杭州师范大学信息科学与工程学院
-
出处
《计算机工程与设计》
北大核心
2020年第7期2069-2075,共7页
-
文摘
传统的矩阵分解法只能简单提取低阶信息,特征组合单一无法挖掘更多隐含信息,且特征组合权重相同无法满足个性化推荐。通过改进神经协同过滤模型,利用多层感知机的非线性特征处理提取隐含高阶特征信息以及贝叶斯个性化排序算法提取排序信息,使推荐更加精准,推荐得分结合电影流行度和电影类型因子进行微调。通过该推荐模型实现了个性化电影推荐系统,推荐命中率和归一化折扣累积增益得到显著提高。
-
关键词
神经协同过滤
隐性反馈
矩阵分解
贝叶斯个性化排序算法
电影推荐系统
-
Keywords
neural collaborative filtering
implicit feedback
matrix factorization
bayesian personalized ranking
movie recommendation system
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
-
题名基于用户偏好置信度的增强贝叶斯个性化排序算法
被引量：2
- 2
-
-
作者
汪志远
石红瑞
-
机构
东华大学信息科学与技术学院
-
出处
《计算机应用与软件》
北大核心
2022年第9期316-320,349,共6页
-
文摘
针对贝叶斯个性化排序(Bayesian Personalized Ranking,BPR)模型只考虑到用户单类反馈和用户偏好反映程度过低的问题,提出一种基于用户偏好置信度的增强贝叶斯个性化排序算法。通过量化获取各种反馈行为的权重,根据用户反馈行为的类型和时间计算用户偏好置信度,根据置信度建立用户对互动过的商品的偏序对。将该偏序对与用户对互动过的商品和未互动过的商品的偏序对结合,一起训练模型。在数据集中进行仿真实验,并与相关算法进行对比。实验结果表明该推荐算法具有较好的性能。
-
关键词
隐式反馈
置信度
用户偏好
贝叶斯个性化排序
-
Keywords
implicit feedback
Confidence
User preference
bayesian personalized ranking
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于地理偏好排序的兴趣点混合推荐模型
被引量：2
- 3
-
-
作者
彭诗杰
陈红梅
王丽珍
肖清
-
机构
云南大学信息学院
-
出处
《计算机应用》
CSCD
北大核心
2023年第8期2448-2455,共8页
-
基金
国家自然科学基金资助项目(62266050,62276227)
云南省中青年学术和技术带头人后备人才项目(202205AC160033)
+1 种基金
云南省重大科技专项(202202AD080003)
云南省基础研究计划重点项目(202201AS070015)。
-
文摘
随着基于位置的社交网络(LBSN)迅速发展,作为缓解信息过载的有效手段,兴趣点(POI)推荐备受关注。由于用户签到数据是隐式反馈数据,且十分稀疏,为了有效地从用户签到数据中捕获用户POI偏好,提出了一个基于地理偏好排序的POI混合推荐模型。首先,考虑用户签到数据的隐式反馈特性及用户活动的空间约束,利用传统贝叶斯个性化排序(BPR)模型计算POI距离对POI排序的影响,提出加权BPR(GWBPR)模型;然后,针对用户签到数据的稀疏性,融合GWBPR模型和逻辑矩阵分解(LMF)模型,提出混合模型GWBPR-LMF。在两个真实数据集Foursquare和Gowalla上的实验结果表明,GWBPR-LMF模型的性能优于BPR、LMF、SAE-NAD(Self-AttentiveEncoderand Neighbor-Aware Decoder)等对比模型。与较优的对比模型SAE-NAD相比,GWBPR-LMF模型的POI推荐的精确率、召回率、F1值、平均精度均值(mAP)、归一化折损累积增益(NDCG)在数据集Foursquare上分别平均提升了44.9%、57.1%、78.4%、55.3%和40.0%,在数据集Gowalla上分别平均提升了3.0%、6.4%、4.6%、11.7%和4.2%。
-
关键词
基于位置的社交网络
兴趣点推荐
隐式反馈
兴趣点排序
加权贝叶斯个性化排序
-
Keywords
Location-Based Social Network(LBSN)
Point-Of-Interest(POI)recommendation
implicit feedback
POI ranking
weighted bayesian Personalized Ranking(BPR)
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
-
题名耦合内容相似度信息的贝叶斯隐式反馈推荐
- 4
-
-
作者
申远
黄志良
胡彪
王适之
-
机构
空军预警学院
-
出处
《舰船电子工程》
2020年第12期35-39,共5页
-
文摘
传统推荐算法如贝叶斯隐式反馈推荐算法都是围绕用户—态势需求度矩阵进行建模,只利用到用户和态势的交互行为信息,未利用到用户或态势的额外信息,而这些信息往往代表着用户对相关态势的潜在需求,充分利用这些额外信息,将有助于进一步提升刻画用户需求,提升用户建模的准确性。因此本章在贝叶斯隐式反馈推荐算法的基础上,融入用户和态势的相似度信息,提出一种耦合内容相似度信息的贝叶斯隐式反馈推荐算法。仿真结果表明,该算法能够充分挖掘用户与态势之间复杂的关系背后隐藏的用户潜在需求,提升战场态势推送的质量。
-
关键词
推荐算法
战场态势
贝叶斯隐式反馈
内容相似度
-
Keywords
recommendation algorithm
battlefield situation
bayesian implicit feedback
content similarity
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于电商用户行为的隐式反馈推荐应用研究
- 5
-
-
作者
朱宏启
王诚
-
机构
南京邮电大学通信与信息工程学院
-
出处
《计算机与现代化》
2023年第11期44-50,共7页
-
基金
国家自然科学基金资助项目(61801240)。
-
文摘
贝叶斯个性化排序(BPR)算法是隐式反馈问题中最具代表性的算法之一,但BPR算法中提出的用户间独立性假设和个人对2个项目的成对偏好假设都过于严格。GBPR算法重新定义了用户的个人偏好,并使用由志趣相投的多个用户形成的组偏好来代替个人偏好,以放宽用户间独立性的假设。DPR算法把偏序对作为基本单元来优化偏好间的差值而不是偏好的差值,以放宽个人对2个项目的成对偏好的假设。结合上述研究,本文提出e-GDPR算法,进一步提高用户对物品的偏好预测能力。该算法可以充分利用数据集中的用户信息(如性别、消费水平)和商品信息(如商品种类),把组偏好引入DPR算法并根据消费水平与性别对用户进行分组后随机抽样,以创建更具代表性的用户组,本文对采样方式进行改进,不再使用随机采样,而是随机抽取由同一种类的2个商品构成的三元组样本,并认为它们比随机选择的商品所组成的三元组样本更可靠。然后,引入隐式反馈偏好量化模型来计算用户的个人偏好,并能充分考虑隐藏在各种隐式操作类型背后的用户偏好。最终,在京东电商数据集上进行仿真推荐实验,实验结果表明与基线算法相比e-GDPR算法可以取得更好的推荐效果。
-
关键词
贝叶斯个性化排序
推荐算法
隐式反馈
采样方式
组偏好
-
Keywords
bayesian personalized ranking
recommendation algorithm
implicit feedback
sampling methods
group preference
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
