国家自然科学基金(61073105)
- 作品数：5 被引量：34H指数：3
- 相关作者：廖志芳刘胜宗樊晓平吴言凤胡佳更多>>
- 相关机构：中南大学湖南财政经济学院更多>>
- 发文基金：国家自然科学基金国家科技支撑计划湖南省自然科学基金更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 基于隐反馈的类时齐 Markov 推荐模型被引量：1
- 2014年
- 传统Markov链模型在用户浏览行为预测方面体现出较好的性能,但不能很好的体现出用户的兴趣度和所推荐的页面的重要性,因此本文提出类时齐Markov模型.该模型给不同的类别用户单独创建时齐Markov模型,并用时齐Markov模型的平稳分布表征用户的访问兴趣和页面的重要程度.本文进而提出了基于隐反馈的类时齐Markov推荐模型,在真实的WEB服务器日志数据上的实验证明,类时齐Markov模型具有更好的推荐性能.
- 刘胜宗廖志芳胡佳樊晓平
- 关键词：WEB挖掘用户聚类个性化推荐
- 一种融合用户评分可信度和相似度的协同过滤算法被引量：11
- 2014年
- 传统基于信任的推荐算法容易受用户之间评分偏好差异的影响,尤其在存在评分欺骗数据的情况下,算法的准确性波动很大.针对这些问题,本文提出了新的融合用户评分可信度和相似度的推荐算法,该算法将用户评分准确度、认可度和评分数量权重因子相结合,分析了这些因素对用户评分可信度的影响,建立起可信度跟这三者之间的计算关系.本文进行了无欺骗数据存在和有欺骗数据存在的两类对比实验.实验结果表明,在无欺骗数据时该算法提高了推荐准确性,并在有欺骗数据存在的情况下同时提高了系统的准确性和鲁棒性.
- 刘胜宗廖志芳吴言凤樊晓平
- 关键词：协同过滤推荐系统
- 融合停留时间的隐Markov个性化推荐模型被引量：2
- 2014年
- 静态模型在推荐系统中往往将用户的兴趣偏好看作是固定不变的,而在一定程度上与实际并不符合。为此,基于隐Markov动态模型提出一种融合停留时间的类时齐隐Markov个性化推荐模型(ctqHMM)。该模型用隐含状态变量的转移来模拟Web用户的兴趣变迁,并用停留时间来描述用户对某一偏好感兴趣的程度和所推荐页面的重要性。然后,提出一种基于该模型平稳分布的用户聚类方法,并将其用于推荐系统中。在真实的Web服务器访问记录数据上的实验证明,类时齐隐Markov模型具有更好的推荐性能。
- 刘胜宗樊晓平廖志芳胡佳
- 关键词：WEB挖掘用户聚类个性化推荐HMM
- 基于PMF进行潜在特征因子分解的标签推荐被引量：3
- 2015年
- 现有社会标签推荐技术存在数据稀疏、时间复杂度高以及可解释性低等问题,鉴于此,提出基于概率矩阵分解(PMF)进行潜在特征因子联合分解的标签推荐算法(TagRec-UPMF),它结合用户、资源及标签3方面的潜在特征,联合构建对应的概率形式的潜在特征向量,然后根据它们两两之间的特征向量内积进行线性组合,从而产生Top-N推荐.该算法解决了数据规模大且稀疏情况下的精度问题,算法的线性复杂度使得其可用于大规模数据.实验结果表明,相比于TagRec-CF,PITF,TTD,Tucker,NMF等算法,本文算法既提高了推荐的准确率,又降低了时间损耗.与PITF算法相比较,准确率得到了提高,而处理时间相差不明显;与TTD算法相比较,在准确率相差不明显的情况下,大大降低了时间损耗.因此,本文的TagRec-UPMF算法相比其他算法表现出了一定的优势.
- 刘胜宗樊晓平廖志芳吴言凤
- 关键词：协同过滤标签推荐推荐系统
- 三部图张量分解标签推荐算法被引量：17
- 2012年
- 三部图作为社会标签系统的表示方法,虽然可以简化标签系统元素间关系的表达,但也丢失了部分元素间的相关信息,而且不能有效处理标签系统中具有大量稀疏值和缺失值的数据.基于以上问题,文中提出了基于三部图的三维张量分解推荐算法(TTD算法).首先分析三部图元素间可能丢失的信息,通过定义以三部图为基础的低阶张量分解模型,对高阶稀疏数据进行分析.该模型不仅包含三部图所表达的系统信息,同时还表达了三部图所丢失的元素间相互信息;在此基础上,利用缺失值处理,进行社会标签系统中的标签推荐预测.通过模型对比实验以及标签预测实验,表明TTD模型所揭示的社会标签系统中元素间的相互关系更加全面,同时在进行标签预测时,所得到的预测结果召回率和精确率得到了显著改善.
- 廖志芳李玲刘丽敏李永周
