您的位置： 专家智库 > >

方耀宁

作品数：5 被引量：43H指数：4
供职机构：国家数字交换系统工程技术研究中心更多>>
发文基金：国家重点基础研究发展计划国家高技术研究发展计划国家自然科学基金更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 5篇中文期刊文章

领域

  • 5篇自动化与计算...

主题

  • 5篇推荐系统
  • 5篇协同过滤
  • 2篇信息处理
  • 2篇奇异值
  • 2篇奇异值分解
  • 2篇矩阵
  • 2篇矩阵分解
  • 1篇正则
  • 1篇正则化
  • 1篇社会
  • 1篇社会关系
  • 1篇社会化
  • 1篇网络
  • 1篇协同过滤推荐
  • 1篇协同过滤推荐...
  • 1篇基于标签
  • 1篇计算机
  • 1篇计算机网
  • 1篇计算机网络
  • 1篇SIGMOI...

机构

  • 5篇国家数字交换...
  • 2篇清华大学

作者

  • 5篇郭云飞
  • 5篇方耀宁
  • 4篇兰巨龙
  • 2篇扈红超
  • 2篇丁雪涛

传媒

  • 3篇电子与信息学...
  • 1篇计算机应用研...
  • 1篇北京理工大学...

年份

  • 1篇2016
  • 1篇2014
  • 3篇2013
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
基于Logistic函数的社会化矩阵分解推荐算法被引量：4
2016年
持续指数增长的互联网逐渐带来了信息过载问题,使得推荐系统提供的信息过滤服务尤为重要.协同过滤是推荐系统领域最为成功的技术,但依然存在数据稀疏性等问题.社会关系信息能够有效提高推荐系统的预测准确性.为解决数据稀疏性问题,本文提出了一种利用Logistic函数的社会化矩阵分解推荐算法.在3组真实数据结合上的实验结果表明,本文提出的算法能够提供更准确的推荐结果,特别是在数据稀疏的情况下,显著缓解了数据稀疏性问题.
郭云飞方耀宁扈红超
关键词：推荐系统协同过滤矩阵分解社会关系
基于Logistic函数的贝叶斯概率矩阵分解算法被引量：9
2014年
在协同过滤推荐系统中,矩阵分解是一种非常有效的工具。贝叶斯概率矩阵分解模型具有预测精度高的优点,但不能表示潜在因子之间的非线性关系。针对该问题,该文提出一种基于Logistic函数的改进贝叶斯概率矩阵分解模型,并使用马尔科夫链蒙特卡罗方法进行训练。在两组真实数据集合上的实验表明,基于Logistic函数的贝叶斯概率矩阵分解算法能够明显提高预测准确性,有效缓解数据稀疏性问题。
方耀宁郭云飞兰巨龙
关键词：推荐系统信息处理协同过滤
一种基于Sigmoid函数的改进协同过滤推荐算法被引量：10
2013年
随着电子商务和社交网络的蓬勃发展,推荐系统逐渐成为数据挖掘领域的重要研究方向。推荐系统能够从海量信息中定位用户兴趣点,提供个性化服务。协同过滤算法能够有效分析用户偏好,提供合适的推荐服务。针对评分矩阵稀疏时传统协同过滤算法性能很差的问题,提出一种基于Sigmoid函数的改进推荐系统算法。利用Sigmoid函数对不同项目进行建模,得到项目的平均受欢迎程度;利用Sigmoid函数对不同用户进行建模,将评分映射为用户对项目的喜好程度;根据用户对项目喜好程度应该与项目平均受欢迎程度贴近的原则进行评分预测。在两组真实数据集合上的实验结果表明,该算法较好地解决了数据稀疏性问题,能够有效提高传统算法的预测准确性。
方耀宁郭云飞扈红超兰巨龙
关键词：推荐系统协同过滤SIGMOID函数
一种基于局部结构的改进奇异值分解推荐算法被引量：13
2013年
基于奇异值分解(Singular Value Decomposition,SVD)的推荐算法,在预测准确性、稳定性上具有明显优势,但在用随机梯度下降法求解过程中误差下降速度逐渐变慢、迭代次数较多,这极大限制了其在实际项目中的应用。针对这个问题,该文利用评分矩阵的差分矩阵来表征局部结构信息,并作为新的目标函数来优化SVD推荐算法。在MovieLens和Netflix数据集合上的实验结果表明:与经典SVD算法相比,该优化算法能够用更少的迭代次数得到更准确的预测结果;与当前的其他算法相比,该优化算法在预测准确性上仅次于SVD++,在训练时间上具有显著优势。
方耀宁郭云飞丁雪涛兰巨龙
关键词：信息处理推荐系统协同过滤
一种基于标签迁移学习的改进正则化奇异值分解推荐算法被引量：7
2013年
基于正则化奇异值分解(RSVD)的推荐算法在预测准确性上具有明显优势,但存在计算量大的缺点,一定程度上限制了其在实际工程中的应用。针对这个问题,该文提出一种基于标签迁移学习的改进RSVD推荐算法,在相对稠密的辅助数据集合上根据标签信息来提取用户/项目特征,然后将用户/项目特征应用到RSVD算法中,在目标数据集合上进行评分预测。在MovieLens数据集合上的实验结果表明,该算法能够缓解数据稀疏性问题,显著降低预测误差(约0.01 RMSE),同时减少约50%的训练时间。
方耀宁郭云飞丁雪涛兰巨龙
关键词：计算机网络推荐系统协同过滤
全选 清除 导出
共1页<1>
聚类工具0