朱爱云
- 作品数：5 被引量：3H指数：1
- 供职机构：潍坊科技学院更多>>
- 发文基金：博士科研启动基金教育部“春晖计划”四川省教育厅重点项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于矩阵分解与用户社会关系的协同过滤推荐算法
- 2016年
- 矩阵分解技术虽然已成功应用到协同过滤推荐系统中,但是基于矩阵分解的传统协同过滤方法仍然存在着数据稀疏性、冷启动等问题。为了进一步提高系统推荐的准确性,提出将用户间的社交关系融合到矩阵分解的协同过滤推荐系统中,该方法以奇异值矩阵分解推荐模型为核心,对该模型添加用户偏置和项目偏置,同时将用户在社交网络中的朋友关系添加到矩阵分解模型中,然后采用一种随机梯度下降法对该矩阵进行分解,得到用户潜在特征和物品潜在特征。最后通过实验结果验证表明,所提出的算法具有较好的预测效果,其性能明显优于现有的相关算法。
- 朱爱云
- 关键词：协同过滤矩阵分解推荐系统梯度下降
- 一种融合用户偏好与信任度的增强协同过滤推荐方法被引量：2
- 2015年
- 协同过滤是一种最流行的推荐技术,但仍然受到数据稀疏和冷启动问题的困扰。针对Shambour提出的信任—语义融合(TSF)的混合推荐方法中计算量较大的问题,提出一种融合用户偏好与信任度的增强协同过滤推荐方法。该方法在计算评分预测时,对基于用户的信任增强协同过滤算法进行改进,先将用户相似度和信任度分别进行近邻选择和加权评分,再通过一个加权因子对2部分进行融合,从而得到总体的预测评分。在Movielens数据集下进行仿真验证,其结果表明,与基准算法相比,本文方法具有更好的MAE性能。
- 范永全杜亚军成丽静朱爱云
- 关键词：信任协同过滤推荐系统MAE
- 融合用户信任与项目关系的社会化推荐算法研究
- 个性化推荐系统作为信息过滤的有效工具越来越受到人们的关注。因为它能帮助用户从大量的数据中迅速查找出他们所需要的信息，目前已经成为电子商务应用的一个重要组成部分。在个性化推荐系统中，协同过滤是一种广泛使用的推荐技术，这种推...
- 朱爱云
- 关键词：推荐系统用户信任
- 文献传递
- 基于用户信任和评分偏置的正则化推荐模型被引量：1
- 2018年
- 在传统推荐系统中,特别是协同过滤推荐系统已得到广泛的研究,但是它们忽视了用户之间的社会关系,事实上,这些社会关系能够提高推荐系统的准确度。近年来,基于社会关系的推荐系统已经成为一个热门的研究方向。为了进一步提高系统推荐的准确性,提出一个社会正则化方法,即整合用户的直接朋友关系和评分偏置信息到推荐系统中构建正则化模型,然后采用一种随机梯度下降法对该矩阵进行分解,得到用户潜在特征和物品潜在特征。最后在真实数据集上的实验结果表明所提出的算法与现有相关算法比较具有较好的性能。
- 朱爱云任晓军
- 关键词：协同过滤矩阵分解推荐系统梯度下降
- 基于社会信任和隐式项目的协同过滤推荐算法的研究
- 2018年
- 为了解决协同过滤推荐算法固有的数据稀疏性和冷启动问题,增加社交网络虽然能提高推荐系统的性能,但是在许多真实的系统中社会关系未必对推荐性能有很好的效果,因此,通过增加隐式项目关系和社交网络关系来构建一种新颖的矩阵分解模型。首先,通过三种真实数据集的信任数据分析得出:在一个推荐模型中不仅要考虑评分的显式、隐式影响也要考虑信任的显式、隐式影响以及项目的隐式影响;然后,在SVD推荐算法的基础上融合信任用户的显示、隐式影响和项目的隐式影响;最后,使用随机梯度下降法生成用户的潜在特征和项目的潜在特征,以此为用户推荐感兴趣的项目。通过在三种真实数据集上的大量实验,实验结果验证表明提出的推荐模型与传统的推荐模型相比具有较好的预测效果,其性能明显优于传统的推荐模型。
- 朱爱云任晓军
- 关键词：矩阵分解随机梯度社会关系
