西安市科技计划项目(SF1228-3)
- 作品数：7 被引量：68H指数：3
- 相关作者：曹菡刘亮亮韩亚楠李远博王斌更多>>
- 相关机构：陕西师范大学更多>>
- 发文基金：国家自然科学基金西安市科技计划项目中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于新颖性和多样性的旅游推荐模型研究被引量：4
- 2016年
- 人们在旅游活动中经常会利用推荐系统,比如推荐路线、推荐酒店等等,然而这种推荐多数是基于Top-N的热门项目推荐,经常导致游客得到一些信息量为0的"精准推荐"。针对传统的推荐算法过于强调推荐的精准度导致推荐列表的新颖性和多样性差的问题,将MMR技术应用在旅游推荐领域,同时加入用户-项目交互因子,提出一种基于发现的用户项目关系推荐模型,并在真实的数据集上进行测试,通过实验结果,和传统的KNN以及改进前的基于MMR经典算法对比,有效提高了推荐列表的新颖性和多样性。在旅游推荐这种新颖性较高的应用领域,该算法相对于传统的推荐算法具有较大的优势。
- 王斌曹菡
- 关键词：多样性
- 基于评分矩阵填充与用户兴趣的协同过滤推荐算法被引量：37
- 2016年
- 针对传统协同过滤推荐算法评分矩阵稀疏和推荐精度不高的问题,提出一种改进的协同过滤推荐算法。通过用户属性偏好和项目流行度计算用户对项目的偏好度,结合用户平均评分对评分矩阵中未评分项目进行填充。考虑到用户兴趣随时间的变化,将基于时间的兴趣度权重函数和偏好度引入到项目相似度计算和推荐过程中,确定项目最近邻集合,从而实现最优推荐。实验结果表明,与传统协同过滤推荐算法相比,该算法较准确地反映了用户的兴趣变化趋势,并且在有效解决评分矩阵稀疏问题的同时提高了推荐准确率。
- 韩亚楠曹菡刘亮亮
- 关键词：协同过滤用户兴趣
- 基于群体动力学的协同过滤算法及应用被引量：2
- 2014年
- 针对传统协同过滤算法稀疏矩阵和推荐精度不高的问题,根据一种社会心理学模型提出了基于群体动力学的协同过滤算法。该算法综合考虑了个体因素和环境因素对用户评分行为的影响,以此来调整传统的评分预测方法,然后为用户进行推荐。实验结果表明,该算法可以明显地提高推荐的精确度,有效地缓解稀疏矩阵问题;同时该算法还可以有效减少积累误差。最后将该算法成功运用在西安景点的推荐服务上。
- 刘亮亮曹菡韩亚楠
- 关键词：K-近邻协同过滤群体动力学推荐系统
- 基于DEC_POMDP的Web服务组合优化算法
- 2014年
- 面向服务计算(SOC)和面向服务架构(SOA)技术共同推动了Web服务及其组合技术的发展。网络环境的动态变化及其对Web服务质量(QoS)的影响,给服务成功组合带来挑战,为服务组合效果满足用户需求带来难题。为了得到经济、省时且成功率高的服务组合策略,综合考虑网络环境的动态变化、服务质量的可变性、用户需求的多样性,采用分散的部分可观测马尔可夫决策(DEC_POMDP)模型描述多个服务Agent的自组织服务组合系统,在基本Q学习算法基础上做出改进,求解模型得到组合策略。实验结果表明求解的策略较大地提高了组合服务的成本、时间消耗,且组合成功率较高。采用的DEC_POMDP模型有效地将Web服务组合动态过程描述出来,并自适应地更新了QoS值,采用Q学习算法及时使用了最新的QoS值。
- 赵莉李蜀瑜
- 关键词：服务质量自组织Q学习
- Voronoi图k阶邻近并行矩阵迭代算法被引量：1
- 2014年
- 针对Voronoi图k阶邻近矢量法构建复杂发生元困难,栅格法耗时长、精度受限等问题,提出了一种基于矩阵迭代的并行计算方法。以刀片机作为并行计算的硬件平台,采用Arcgis软件将MapInfo格式矢量数据转换为栅格数据,实现了MPI并行环境中Voronoi图k阶邻近的栅格计算新方法。实验结果表明,改进后的Voronoi图k阶邻近栅格并行算法明显地提高了计算效率,且在栅格Voronoi图精度较高时,运行时间的拐点后移,加速比提高。
- 余婧曹菡靳朋飞
- 关键词：VORONOI图并行计算
- 基于MapReduce的混合推荐算法及应用被引量：1
- 2016年
- 针对基于项目与基于用户两种传统协同过滤算法的不足,文中结合基于用户以及基于项目的两种传统协同过滤算法,并加以合理改进,提出了一种新型的混合型并行推荐算法。通过对新算法MapReduce编译,使新算法能够在Hadoop云平台下顺利运行。在可以利用以基于用户的方法为基础划定出定量的邻居范围,保证了推荐的个性化,同时,利用基于项目的协同过滤算法进行推荐,最终根据综合因素调整评分预测方法得出符合实际的推荐结果。实验结果表明,在数据量相对较大时新算法不仅在处理速度上表现更加优越,而且明显提高了推荐精确度。同时文中将该算法应用在西安本土旅游推荐服务上,针对西安市几大景点进行推荐,使新算法的准确性在实际应用中得到验证。
- 李程曹菡师军
- 关键词：MAPREDUCEHADOOP云计算
- 基于PCA降维的协同过滤推荐算法被引量：25
- 2016年
- 在信息过载的时代,推荐系统通过分析用户的历史行为,为用户兴趣建模,主动给用户推荐能够满足他们兴趣和需求的信息,已经被广泛应用于电子商务等多个领域。但是在推荐系统中,用户评分数据极端稀疏,矩阵的稀疏性导致推荐算法在相似性计算时存在较大误差,进而导致最近邻居选择的不准确,从而影响推荐质量。针对上面存在的问题,文中通过对评分矩阵采用PCA降维的方法,降低了评分矩阵的稀疏性,保留了最能代表用户兴趣的维数,使得相似性计算更加准确,保证了最近邻居选择的准确性,从而提高了推荐质量。实验结果表明,在公开数据集上与传统的协同过滤推荐算法相比较,文中提出的算法具有较高的准确度和覆盖度。
- 李远博曹菡
- 关键词：主成分分析降维协同过滤
