蒋胜
- 作品数：9 被引量：22H指数：3
- 供职机构：安徽工程大学更多>>
- 发文基金：教育部人文社会科学研究基金国家自然科学基金安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于评论的商品改进需求获取方法研究被引量：6
- 2017年
- 基于在线商品评论文本中产品特征与观点词的句法依存关系,综合关注度与观点值以及特征修饰词并考虑相关副词对观点词的影响,提出了一种结合用户的关注度和观点值以及特征修饰词来获取商品改进需求的方法。研究表明,该方法能够较好地获取商品的改进需求,可以为企业提供产品设计改进的方向。
- 吴东胜王忠群蒋胜皇苏斌
- 基于动态社会行为和用户背景的协同推荐方法被引量：8
- 2015年
- 针对传统协同过滤推荐算法推荐精度低及冷启动的问题,提出了一种基于动态社会行为和用户背景的协同推荐方法。作为用户标注行为的结果,变化的标签体现了用户行为的动态性。该方法首先根据动态社会化标签得出用户的动态兴趣偏好相似度,然后根据用户背景信息计算出用户相似度,最后计算基于时间权重的用户评分相似度,并集成上述3个相似度找出最近邻居集,以为目标用户提供更加准确的个性化推荐。实验结果证明,该方法不仅能较好地解决数据稀疏和冷启动的问题,还能有效提高推荐算法的精确度。
- 蒋胜王忠群修宇皇苏斌汪千松
- 关键词：冷启动社会化标签
- 集成社会化标签和用户背景信息的协同过滤推荐方法被引量：6
- 2014年
- 针对传统的协同推荐算法存在数据稀疏和推荐精度低的问题,提出了一种集成社会化标签和用户背景信息的协同过滤(CF)推荐方法。首先,分别计算基于社会化标签和用户背景信息的用户间的相似度;然后,基于用户评分计算用户间的相似度;最后,集成上述3种相似性度量产生用户间综合相似度,并对目标用户进行项目推荐。实验结果表明,与传统的协同过滤推荐算法相比,所提方法在正常数据集和冷启动数据集下的平均绝对误差(MAE)平均降低了16%和22.6%。该方法不仅能有效地提高推荐算法的精度,而且能较好地解决数据稀疏和冷启动的问题。
- 蒋胜王忠群修宇皇苏斌
- 关键词：数据稀疏冷启动社会化标签协同过滤推荐
- 一种基于参数化重排名提高多样性的推荐方法
- 2017年
- 针对传统个性化推荐算法追求提升推荐准确率而忽略总体多样性,从而导致用户满意度降低的问题,提出一种基于参数化重排名提高多样性的推荐方法.用户历史评分尺度决定了用户的偏好相关系数,该方法据此改进了传统重排名算法中偏好相关系数的计算方法.使用参数化的计算方法获得用户排名阈值,以实现推荐准确性与多样性的有效平衡,提高了推荐的质量需求.实验结果表明,该方法在推荐精确度都降低的情况下,较其他算法能够显著增加推荐的总体多样性,提高推荐质量.
- 汪千松蒋胜王忠群
- 关键词：用户满意度
- 一种中文同义词扩展方法及装置
- 本说明书实施例提供了一种中文同义词扩展方法，对于获得的任意的非结构化中文文本集合，获取中文候选关键词集合K<Sub>1</Sub>，计算中文候选关键词集合K<Sub>1</Sub>中的每一个候选关键词x<Sub>i</S...
- 皇苏斌赵森严汪千松蒋胜刘三民李钧
- 基于社会网络的协同推荐方法
- 2015年
- 针对传统协同过滤推荐算法存在推荐精度低的问题,提出了一种基于社会网络的协同推荐方法。该方法融合了社会网络中用户的相似度与信任度,首先计算用户间的评分相似度;再由直接信任度与间接信任度加权得出用户信任度;最后综合用户相似度与信任度得出用户间的推荐权重,并以推荐权重来选取最近邻居集,为目标用户形成推荐。试验结果证明,该方法可有效提高推荐系统的推荐精度。
- 汪千松蒋胜王忠群
- 关键词：社会网络协同过滤信任度
- 基于社交媒体网络的消费者网购决策及商品推荐研究
- 随着互联网与信息技术的快速发展,近年来我国电子商务市场呈现出迅猛的发展势头。线上交易环境的虚拟性,使得网络信任感知对消费者网购决策极具影响。而社交媒体网络应用平台无疑是企业用于促进与消费者之间的关系、增强信任最为便捷的渠...
- 蒋胜
- 关键词：电子商务协同过滤
- 文献传递
- 一种中文同义词扩展方法及装置
- 本说明书实施例提供了一种中文同义词扩展方法，对于获得的任意的非结构化中文文本集合，获取中文候选关键词集合K<Sub>1</Sub>，计算中文候选关键词集合K<Sub>1</Sub>中的每一个候选关键词x<Sub>i</S...
- 皇苏斌赵森严汪千松蒋胜刘三民李钧
- 基于动态标签–资源网络图的信息资源推荐被引量：1
- 2015年
- 【目的】解决推荐系统向目标用户推荐过时信息资源的问题。【方法】提出一种基于动态标签–资源网络图的个性化信息资源推荐方法。以资源拥有的共同标签作为连边,建立资源网络图以形成资源语义链,再由资源网络图的连边投影构建具有时间属性的标签网络图以刻画用户兴趣漂移,继而在标签网络图中匹配目标用户兴趣的动态标签,实现为用户推荐精准信息资源。【结果】在数据集Movie Lens上验证本方法能够跟踪、预测用户兴趣漂移,实施资源精准推荐,且平均绝对误差(MAE)较传统方法降低近15%。【局限】诸如信息检索中用户兴趣频繁变化的实时动态环境下的推荐暂未考虑。【结论】该方法可实现为兴趣动态变化的用户推荐更为精准的信息资源。
- 王忠群蒋胜修宇皇苏斌汪千松
- 关键词：社会化标签资源网络兴趣漂移资源推荐
