搜索结果: 1-8 共查到“知识库 信息科学与系统科学 推荐”相关记录8条 . 查询时间(0.142 秒)
提出了一种基于深度学习的细粒度图像推荐算法。首先使用分类模型对杂乱无章的数据集进行分类,然后使用改进KNN聚类算法对数据集进行初选,再通过深度学习VGG-16网络进行训练,并在经典军事目标训练集数据集MSTAR对所提算法进行验证。实验表明,提出的算法和目前其他推荐算法相比,准确率有所提高,具有较好的鲁棒性。
融合Fisher线性判别分析的多维特征融合情景感知推荐方法
多特征融合 Fisher线性判别分析 属性偏好 时间衰减 情景感知推荐
2017/8/22
针对采用单维特征建立用户的偏好模型所导致的推荐结果无法有效覆盖用户潜在偏好特征而影响推荐质量的问题,提出了一种基于Fisher线性判别分析的多维特征融合情景感知推荐方法。该方法建立了包含时间衰减度、属性偏好、偏好可影响程度等多维特征的偏好样本空间;采用特征融合、投影变换等方法,在最佳鉴别矢量空间基于Fisher判别准则融合用户的多维特征;采用拉格朗日乘子法求解最优投影方向,建立起多维特征优化的偏好...
推荐系统托攻击模型与检测技术
推荐系统 协同过滤 托攻击模型 托攻击检测算法
2014/3/4
针对协同过滤根据近邻偏好产生推荐的特点,恶意用户注入伪造用户模型成为正常用户近邻,推进或打压目标项目的推荐排名,从而达到改变推荐系统结果,这种攻击方法称为“托攻击”. 本文综述了托攻击模型与检测技术的研究现状和面临的主要问题,试图为这一新兴的研究领域勾勒出较为全面清晰的概貌. 从推荐系统机理入手,介绍托攻击产生动机、概念、目的、评分向量构成和模型分类,然后提出衡量托攻击对推荐系统危害性的两类指标;...
基于信任和推荐关系的可信服务发现
可信服务发现 服务网络 信任关系 推荐关系
2013/3/4
随着基于开放Web的服务网络中服务数量的急剧增长, 快速、准确地发现可信服务是面向服务计算的一个关键问题. 针对开放网络环境下可信服务发现工作量大、效率低等问题, 基于模拟现实世界的网络小世界特性, 设计了基于信任和推荐关系的可信服务发现方法. 首先, 提出一种开放的具有信任和推荐关系的服务网络模型, 给出该模型的形式化定义和两种关系的计算策略; 接着, 在具有信任和推荐关系的服务网络模型之上, ...
垂直电子商务网站的混合型推荐系统
推荐系统 电子商务 决策支持系统 信息融合
2010/9/1
提出了一种新的混合型推荐系统框架,该框架采用改进的K-means 方法对用户和产品进行聚类, 然后用Logistic回归对交易数据进行关联分析,最后使用线性信息融合模型对所有规则进行综合判断,给出合理的推荐结果. 介绍了这个框架的实现过程,并将系统应用于一个具体的商业案例, 以对推荐效果进行检验. 结果表明:新系统适用于垂直型电子商务网站, 推荐准确度较高.
基于信任的推荐算法的鲁棒性分析
推荐系统 信任度量 鲁棒性 协同过滤
2011/12/23
基于信任的推荐是一种新兴技术,其核心原理是利用用户信任网络选择可靠的建议者.虽然在先前的研究中认为它的鲁棒性优于协同过滤,但这种技术抵抗攻击的实际能力尚未被量化研究.我们就此问题提出了一个形式化的评估框架,并对2种代表性的算法进行了比较评估.实验采用的数据集来源于Epinions.com网站.实验结果展示了影响算法鲁棒性的关键因素,据此给出了几项应对策略.
面向个性化推荐的强关联规则挖掘
数据挖掘 关联规则 个性化推荐 强关联规则
2009/9/28
提出了适用于个性化推荐的强关联规则的概念,并给出一种基于矩阵的强关联规则挖掘算法.强关联规则集合能够以较少数量的规则表示全部有效关联信息,便于管理和应用.给出的强关联规则挖掘算法只需对交易数据库进行一次扫描,在挖掘过程中不断删除非频繁项使矩阵规模逐渐减小,并且避免了对冗余规则的挖掘, 从而提高了挖掘效率.通过对三组数据的实验表明:强关联规则集合包括的规则数量平均仅为规则总数的26.2{\%},有效...