公共文化服务平台

共 2 条记录，以下是 1-2

全选清除导出

排序方式：

面向群组的社交follow推荐方法研究被引量：5: 2017年; 目前社交网络中的推荐方法主要是针对单个的个体用户,然而随着日益频繁的社交活动,若干相关用户自然形成了群组,研究如何对于整体的群组用户进行推荐的问题引起了国内外学者的兴趣.本文在优化和改进面向个体的社交follow关系推荐算法的基础上,提出基于矩阵分解和混合策略的群组用户推荐方法.首先,对社交媒体微博中用户-项目矩阵进行奇异值(SVD)分解,然后提出在SVD中加入用户的社交行为和社交关注关系特征,并用随机梯度下降(SGD)算法优化对个体用户推荐的预测评分.其次,在获得个体的推荐评分基础之上,设计一种混合融合策略,该策略融合群组中个体成员的推荐评分形成对该群组的整体评分,从而实现对于群组用户的推荐.最后,实验采用KDDCUP2012竞赛Track1的数据,以平方根误差为评估指标,对比个体推荐中传统SVD模型和本文提出的SVD优化模型,并进一步对比本文提出的混合融合策略与传统的最大满意度、平均满意度及最小忍耐度三种单一融合策略.实验结果表明SVD优化模型优于传统SVD模型,并且采用混合的策略要优于单一的群组融合策略.总体上,本文提出的推荐方法能够有效提高群组推荐的准确度.; 谷鹏李琳苏畅袁景凌; 关键词：社交媒体矩阵分解

基于LU分解和交替最小二乘法的分布式奇异值分解推荐算法被引量：17: 2020年; 针对当前分布式潜在因子推荐算法存在时间复杂度较高、运行时间较长的问题,文中提出基于LU分解和交替最小二乘法(ALS)的分布式奇异值分解推荐算法,利用ALS利于分布式求解目标函数的特点,提出网格状分布式粒度分割策略,获取相互独立不相关的特征向量.在更新特征矩阵时,使用LU分解求逆矩阵,加快算法的运行速度.在KDD CUP 2012 Track1中的腾讯微博数据集上的实验表明,文中算法在确保一定推荐精度的前提下,大幅提升推荐速度和算法效率.; 李琳王培培谷鹏解庆; 关键词：分布式计算

全选清除导出

共1页<1>

谷鹏