-
题名融合社交网络的单类个性化协同排序算法
被引量：2
- 1
-
-
作者
李改
陈强
李磊
潘进财
-
机构
顺德职业技术学院电子与信息工程学院
中山大学数据科学与计算机学院
广东第二师范学院计算机科学系
-
出处
《计算机科学》
CSCD
北大核心
2017年第2期88-92,116,共6页
-
基金
国家自然科学基金项目(61370186)
广东省自然科学基金项目(2016A030310018)
+6 种基金
广东省科技计划项目(2014A010103040
2014B010116001)
广州市科技计划项目(201604010049
201510010203)
广东第二师范学院教授博士科研专项(2015ARF25)
佛山市机电专业群工程技术开发中心2015年第二批开放课题(2015-KJZX139)
广东省大学生科技创新培育专项(G2016Z08)资助
-
文摘
单类个性化协同排序算法的研究的核心思想是把单类协同过滤问题当成排序问题来看待。之前的研究仅仅使用了隐式反馈数据来对推荐对象进行排序,这限制了推荐的准确度。随着在线社交网络的出现,为了进一步提高单类个性化协同排序算法的准确度,提出了一种新的融合社交网络的单类个性化协同排序算法。在真实的包含社交网络的2个数据集上的实验验证了该算法在各个评价指标下的性能均优于几个经典的单类协同过滤算法。实验证明,社交网络信息对于提高单类个性化协同排序算法的性能具有重要作用。
-
关键词
推荐系统
协同排序
社交网络
单类协同过滤
隐式反馈数据
-
Keywords
Recommended systems
Collaborative ranking
Social network
One-class collaborative filtering
Implicit feedback dataset
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于数据挖掘的用户行为特征挖掘研究
被引量：2
- 2
-
-
作者
薛晓璇
-
机构
西安职业技术学院经济管理学院
-
出处
《自动化与仪器仪表》
2021年第12期16-19,共4页
-
基金
陕西省教育厅科研计划项目:基于大数据的在线学习分析研究(项目编号:18JK1162)。
-
文摘
针对隐式反馈用户行为特征数据挖掘研究不足的问题,基于大规模的电商隐式反馈数据,提出一种基于Inception网络的用户行为特征挖掘方法,通过构建用户行为加权倾向特征和Inception网络模型,完成了对用户行为特征的分析与预测。结果表明,本研究Inception网络模型在实验数据集上具有较高的准确率,达到90%以上,相较于CNN网络模型和Logit回归模型,Inception网络模型的准确率、查准率、查全率和F1值更高,具有一定的优越性;在实例验证中,本研究Inception网络模型的最终预测结果F1值达到12.42,比CNN网络模型和Logit回归模型最终预测结果F1值提升了8.9%和10.5%,为电商平台向用户推荐商品提供了参考。
-
关键词
隐式反馈数据
数据挖掘
Inception网络
购买预测
-
Keywords
implicit feedback data
data mining
purchase forecast
perception network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
