吴言凤
- 作品数：2 被引量：15H指数：2
- 供职机构：中南大学软件学院更多>>
- 发文基金：国家自然科学基金国家科技支撑计划湖南省普通高等学校更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 一种融合用户评分可信度和相似度的协同过滤算法被引量：12
- 2014年
- 传统基于信任的推荐算法容易受用户之间评分偏好差异的影响,尤其在存在评分欺骗数据的情况下,算法的准确性波动很大.针对这些问题,本文提出了新的融合用户评分可信度和相似度的推荐算法,该算法将用户评分准确度、认可度和评分数量权重因子相结合,分析了这些因素对用户评分可信度的影响,建立起可信度跟这三者之间的计算关系.本文进行了无欺骗数据存在和有欺骗数据存在的两类对比实验.实验结果表明,在无欺骗数据时该算法提高了推荐准确性,并在有欺骗数据存在的情况下同时提高了系统的准确性和鲁棒性.
- 刘胜宗廖志芳吴言凤樊晓平
- 关键词：协同过滤推荐系统
- 基于PMF进行潜在特征因子分解的标签推荐被引量：3
- 2015年
- 现有社会标签推荐技术存在数据稀疏、时间复杂度高以及可解释性低等问题,鉴于此,提出基于概率矩阵分解(PMF)进行潜在特征因子联合分解的标签推荐算法(TagRec-UPMF),它结合用户、资源及标签3方面的潜在特征,联合构建对应的概率形式的潜在特征向量,然后根据它们两两之间的特征向量内积进行线性组合,从而产生Top-N推荐.该算法解决了数据规模大且稀疏情况下的精度问题,算法的线性复杂度使得其可用于大规模数据.实验结果表明,相比于TagRec-CF,PITF,TTD,Tucker,NMF等算法,本文算法既提高了推荐的准确率,又降低了时间损耗.与PITF算法相比较,准确率得到了提高,而处理时间相差不明显;与TTD算法相比较,在准确率相差不明显的情况下,大大降低了时间损耗.因此,本文的TagRec-UPMF算法相比其他算法表现出了一定的优势.
- 刘胜宗樊晓平廖志芳吴言凤
- 关键词：协同过滤标签推荐推荐系统
