国家高技术研究发展计划(2006AA012151)
- 作品数：3 被引量：16H指数：2
- 相关作者：林鸿飞张绍武王丽莎苏绥林原更多>>
- 相关机构：大连理工大学更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划国家社会科学基金更多>>
- 相关领域：文化科学自动化与计算机技术更多>>
- 基于用户信息平滑聚类的协同推荐方法被引量：2
- 2011年
- 在电子商务中,协同推荐技术能够帮助用户发现感兴趣的东两。在协同推荐中,通常采用最近邻居的方法来产生推荐。随着商品数量的增多,协同推荐所需要的数据集也越来越稀疏,可用数据比例越来越少。为了解决这个问题,本文在传统的评分数据的基础上,引入用户的基本信息,对用户的基本信息进行离散化处理,将用户的基本信息转化成一个0、1的向量,在用户的信息的基础上计算最近邻居,根据最近邻居对用户缺失数据进行补充,在补充后的评分数据上进行聚类计算,并根据聚类结果对用户评分进行预测。实验表明引入用户的基本信息,并采用对基本信息离散化的处理方式进行缺失数据补充,在此基础上进行数据的聚类,能够提高预测评分的准确性。
- 常富洋许侃林鸿飞
- 关键词：用户信息数据平滑
- 基于项目和标签的随机游走个性化信息推荐模型被引量：10
- 2012年
- 近几年，各大社会媒体都在致力于提供良好的信息推荐服务，应对网络资源的增长和用户的个性化需求，然而数据稀疏性问题成为了影响推荐性能的主要障碍因素之一。本文在随机游走（RWR）算法的基础上进行了改进，提出了一种项目一标签导向的随机游走推荐模型（TRWR），针对特定用户分别在项目空间和标签空间中根据对象之间的相似性计算转移概率，进行有限步长的随机游走，在两个空间中都生成若干个待推荐项目，然后重新计算预测评分，最后对该用户进行个性化信息推荐。在计算对象之间相似性的过程中，本文采用了融合评分差异性和共同评分用户数的相似度计算方法。我们的实验基于MovieLens公开数据集，并与Top—N、DV和RWR这三种项目导向方法进行了对比，结果表明本文提出的模型提高了Precision值和Recall值，并使得MAE值有所下降。
- 王丽莎张绍武林鸿飞
- 关键词：个性化信息推荐数据稀疏随机游走
- 语言模型在信息检索中的应用被引量：4
- 2011年
- 基于语言模型的检索方法为信息检索领域开辟了一个很有前景同时也具有相当挑战性的方向。与传统检索模型相比，语言模型不仅具有良好的理论基础，而且非常灵活，经过简单的变换很容易推演出其他经典的检索模型。此外，大量的实验结果表明，该方法的检索效果优于其他检索模型，因而一经提出便受到了广大研究人员的青睐。然而当前语言模型方法的研究主要集中在单语检索任务中，很少有研究关注语言模型方法在跨语言检索中的应用，针对这个问题，本文在系统介绍基于语言模型检索方法的基础上，将语言模型方法扩展到跨语言检索任务中，介绍了两个跨语言检索模型：统计翻译模型和跨语言相关语言模型。
- 苏绥林原林鸿飞
- 关键词：统计语言模型跨语言信息检索
