基于项目聚类和评分预测的协同过滤推荐算法研究

协同过滤算法是目前个性化推荐系统中应用最成功的推荐算法之一。目前协同过滤构建的用户-项目矩阵,一般是按用户对所有项目的评分构建,却没有考虑项目之间的分类情况,导致寻找的邻居集合可能不是最近邻居集合。针对此问题,本文提出基于项目聚类和评分预测的协同过滤推荐算法,该算法首先按商品聚类,将大矩阵按聚类的商品来进行子矩阵的计算,在子矩阵里进行兴趣度的测量,最后将在所有区域相似用户的推荐项目合并,成为该用户的最后推荐结果。实验证明新算法能够提高协同过滤推荐系统的推荐质量。     

电子商务协同过滤稀疏性研究:一个分类视角

协同过滤是目前电子商务推荐系统中广泛使用的、最成功的推荐算法,但面临用户评分数据稀疏性问题的挑战.在介绍用户偏好数据获取途径的基础上,将稀疏性改善技术归纳为六类,包括设定缺省值、结合基于内容的过滤、降维、图论方法、基于项目评分预测以及增加用户.系统交互,重点评述了各类算法的研究情况并时六类技术进行了比较,最后探讨了该领域的未来研究方向.     

基于遗忘函数和领域最近邻的混合推荐研究

基于内容过滤和协同过滤是两大最为经典的推荐算法,但基于内容过滤存在新用户问题,没有考虑用户兴趣变化对推荐质量的影响,协同过滤则面临严峻的数据稀疏性和冷启动的挑战.针对这些,提出混合推荐算法:基于非线性逐步遗忘函数建立用户兴趣模型,预测用户未评价商品评分;引入"领域最近邻"处理方法查找目标用户的最近邻,预测未评价商品评分,以此为基础做出推荐.实验结果表明,本文方法能有效提高推荐质量.     

电子商务中Web页面个性化推荐系统的架构

电子商务中实现个性化推荐意味着一个用户访问Web站点时能够得到个性化的服务,网站根据用户的聚类特征,向用户在线推荐一些用户可能比较感兴趣的页面。本文给出了电子商务个性化推荐的系统结构,分析了在Web日志挖掘中应用协同过滤技术,讨论了Web页面的个性化推荐过程和推荐算法。推荐算法综合考虑了用户聚类中页面的权值和用户对页面的平均评价值两个推荐因素,实现在线页面的推荐。     

团购商品的个性化协同过滤推荐方法

本文提出结合云模型和改进均方差的协同过滤推荐方法,为团购网站的用户提供个性化推荐。该方法首先通过已有的用户日志数据,模拟用户对商品的评分,构建用户-商品评分矩阵。在此基础上,通过云模型和改进MSD方法模拟商品间的相似度,运用基于物品的协同过滤方法,预测出用户对商品的评分,并为目标用户生成个性化推荐列表。最后,通过实验证明该推荐方法的有效性。     

电子商务推荐系统中群体用户推荐问题研究

尽管传统的电子商务推荐系统在个体用户推荐方面取得了巨大成功,但它并不适用于向群体用户进行推荐。随着虚拟社区中群体用户的不断增加,构建群体推荐系统,向群体用户提供个性化推荐,减少他们搜集信息所耗费的时间和精力显得越来越重要。基于此,本文提出了一种新颖的推荐方法—结合领域专家法的群体用户推荐算法。该算法以基于项目的协同过滤技术为基础,根据群体成员间的相互作用确定群体偏好,由群体偏好产生推荐,推荐过程中存在的成员未评分项采用领域专家法进行预测填充,此外本文算法还考虑了成员间相似关系对推荐质量的影响。实验结果表明了本文算法的有效性。     

基于协同过滤算法的高校图书馆图书推荐系统研究

基于协同过滤算法是个性化推荐系统中最基本、最常用的一种,而传统的基于用户的协同过滤算法存在着用户冷启动和高推荐率等问题。笔者针对目前图书推荐协同过滤算法运用中存在的问题,并根据高校图书馆的实际情况,提出相应的改进措施。笔者利用学生网络日志和读者借阅记录对用户进行相似性分析,有效解决了用户“冷启动”的问题,提高了推荐准确率。笔者利用时间衰减法建立用户兴趣模型,以便更好地关注用户的短期借阅行为,提高推荐准确率。与传统用户协同过滤方法相比,笔者提出了一种改进的用户协同过滤方法。结果表明,改进后的用户协同过滤方法具有更好的性能。     

基于区块链技术的公立医院财务审计平台设计

公立医院现有的财务审计平台的协同过滤机制不够完善,导致数据集聚类纯度较低,为此,文章设计基于区块链技术的公立医院财务审计平台。设置公立医院财务数据采集转换模式,提取数据属性特征,利用区块链技术协同过滤审计任务,构建相异度矩阵匹配平台服务功能模块,匹配区块链账本以及用户信息列表内容。实验结果表明在五种数据集长度条件下,本文所设计的公立医院财务审计平台的聚类纯度均值为72.37%,比其他两种现有审计平台分别高出12.71%、12.824%,证明本文所设计的审计平台聚类纯度更高。     

基于社交综合信任和商品流行度的推荐模型研究

基于信任的推荐方法对用户之间的关系特征描述较为单一的问题,综合考虑用户关系网络和交互行为,融合用户由局部交互而产生的互动强度,在社交网络树立的全局声誉及因个人喜好而产生的偏好相似构建社交综合信任评估模型,以融合后的社交综合信任度取代传统协同过滤推荐方法中的相似度,以提高识别邻居的能力,并在此基础上引入商品流行度因素,将其作为调整因子对目标用户进行评分预测。在Epinions数据集上的对比实验结果表明,所提出的社交综合信任评估模型能够显著提高推荐准确性,且通过商品流行度的引入能够进一步提高推荐效果。     

基于WEKA平台的文本聚类研究与实现

文本聚类是文本挖掘领域的一个重要研究分支.是聚类方法在文本处理领域的应用.本文首先对基于空间向量模型的文本聚类过程做了较深入的讨论和总结.另外,本文回顾了现有的文本聚类算法,以及常用的文本聚类效果评价指标.在研究了已有成果的基础上,本文利用20Newsgroup文本语料库,针对向量空间表示模型,在开源的数据挖掘平台WEKA上实现了文本预处理和k-means聚类算法,并根据实际聚类效果,就文本表示、特征选择、特征降维等方面提出优化方案.     

社交电商中融合信任和声誉的图神经网络推荐研究

社交电商可依据用户间的社交关系为用户提供感兴趣的商品或服务。现有研究多基于社会信任或社会声誉进行推荐，却忽略了信任与声誉间的相互作用，导致推荐效果欠理想。针对以上问题，本文提出了一种融合信任(Trust)和社会声誉(Social Reputation)的图神经网络推荐算法(TSR-GM)，采用社会声誉来深度刻画用户关系在推荐系统中的作用，利用社交网络中用户被信任程度对用户声誉进行排名，以图神经网络量化整合用户信任与声誉，并将结合后的新矩阵不断校正以获取更准确的用户信任，以此对矩阵分解后得到的新评分模型更新，最终得到更准确度量的预测评分矩阵。运用Epinions数据集开展的相关实验表明：与同类方法比，TSR-GM算法对提高推荐精度有较好效果。     

基于空间聚类挖掘的城市应急救援机构选址研究

以城市突发事件的应急管理为应用背景,研究使用空间聚类技术解决应急服务机构的选址问题.首先提出实施聚类分析的数据模型,然后改进既有空间聚类算法的基础上,提出了以.k-means聚类算法缩减解空间的搜索范围、以模拟退火算法为解搜索策略.基于GIS系统,充分考虑空间障碍物因素和空间环境因素等限制条件,提出(COD-MEANS-CLASA)的空间聚类算法以实现应急救援机构的科学选址.实验结果表明,提出的算法在执行效率和解质量两方面具有更好的表现.     

我国工业电力用户价值画像模型构建与应用研究

在新型冠状病毒感染肺炎疫情对我国电力市场造成巨大冲击的宏观背景下,为进一步提升我国供电企业营销服务资源配置效能,最大化撬动供电企业的综合效益,笔者开展了我国工业电力用户价值画像模型研究。本文对电力用户价值进行了分析和定义,从安全稳定价值(S)、经济效益价值(E)、契约信用价值(C)与有序用电价值(O)四个维度,构建了我国工业电力用户价值评级SECO指标模型,并集成智能算法中的RST(粗糙集理论)与数据挖掘技术中的PAM(围绕中心点切割聚类算法),构造了一种半监督自动化用户价值识别、预测与特征展示模型,模型包括基于RST的指标体系设计、基于Gower相异度系数与PAM的用户价值评级,以及基于用户画像的价值特征展示三大模块。其中,为增强聚类分析结果的科学性与可靠性,采用霍普金斯统计量进行聚类趋势判断,利用间隔统计量输出理论最佳聚类数目,运用轮廓系数评估模型效果与识别误判样本。以我国南方电网公司下属某供电企业电力用户数据进行模型测试与应用研究,得到具有较高解释性与区分度的用户细分方案,表明本模型是一套可行有效的用户价值评级与特征可视化工具。     

基于多分类器动态选择与成本敏感优化集成的电信客户流失预测研究

针对不同样本在特征空间中具有不同的区域特性和不同分类算法之间的预测互补性,在电信客户流失预测理论基础上,融合多分类器动态集成理论和成本敏感学习理论,建立了电信客户流失多分类器集成预测的利润函数,并提出了一类新的基于多分类器动态选择与成本敏感优化集成的电信客户流失预测模型.首先使用K均值聚类法聚类训练样本成多个分区;接着使用NaiveBayes算法、多层感知机算法和J48算法在各分区样本上构建客户流失预测子分类器;最后使用改进人工鱼群算法分别对各分区的子分类器进行成本敏感优化集成.实验结果表明,所提出的基于多分类器动态选择与成本敏感优化集成模型的分类性能不仅优于由训练集全体样本所构建的3个单模型,也优于基于改进人工鱼群算法优化集成这3个单模型而得到的集成模型.     

一种基于PIM与核方法的模糊聚类新算法

本文针对模糊C均值聚类在大数据量时收敛较慢以及不能对多种数据结构有效聚类的缺点,结合PIM算法与核方法提出了一种新的高效聚类算法———KPIM算法,并从理论上证明了该算法的收敛性.最后利用标准实验数据IRIS数据集测试,结果表明KPIM算法在保证收敛速度的同时,聚类效果更有效.     

基于密度的最佳聚类数确定方法

确定数据集的正确聚类数目是聚类分析中的一个基础性难题。常用的聚类数确定方法通常依赖特定的聚类算法,且在数据集存在子簇群的情况下效果欠佳。本文提出一种新的最佳聚类数确定的指标,该指标着重于分析簇的几何结构,从数据对象分布密度的角度来度量类内紧密度与类间分离度。该指标对噪声不敏感并且可以识别数据集中的子簇群,在实际数据和合成数据上的实验结果表明,新指标的性能优于广泛使用的其他指标。     

基于用户聚类的电子商务个性化推荐系统研究

从Web服务器日志文件和客户交易数据中挖掘有意义的用户访问模式和潜在的客户群,有助于企业提供个性化信息服务和开展有针对性的电子商务活动。本文基于Web挖掘的聚类技术,提出了一种电子商务中个性化推荐系统的具体实现方案。     

邮件营销个性化推荐方法

在电子商务中,邮件营销成为企业竞争的另一种形式。但是因缺乏明确的发送目标,许多带有营销目的的电子邮件被视同为垃圾邮件,起不到营销效果。笔者在分析当前推荐技术中各种算法的优缺点的基础上,提出了一种基于用户行为偏好的动态序列挖掘方法。这种算法根据用户购买信息,运用数据挖掘技术,将隐含其中的用户特征、偏好等重要信息挖掘出来,从而预测用户最感兴趣的产品,有针对性地为用户推荐个性化的信息。实验证明,这种方法有效。     

基于模糊识别算法的财务指标分析系统的设计

本文利用数据挖掘技术,设计了一个具有财务分析和数据挖掘功能的财务指标分析系统,以便为企业决策层提供快速的财务分析支持。在指标分析模块中使用了模糊识别算法。该算法是利用训练样本集的模糊识别矩阵计算出模糊聚类中心矩阵,再利用模糊聚类中心矩阵反算出测试样本集的最优模糊识别矩阵,从而克服了传统的模糊聚类算法只能聚类的缺点。     

高维数据对象聚类算法效果分析

虽然经典聚类算法能够有效地处理维度较低的数据对象,但随着维度的增加,算法的性能和效率就会明显下降.本文在对数据对象间的最大距离和平均距离随维数增加的变化趋势实验基础上,对聚类算法的聚类精度随数据对象维度增加的变化特征进行了实验研究.同时,利用复相关系数的倒数对属性进行加权,提出了利用复相关系数倒数阈值实现降维的方法,并取得了良好的实验结果.