基于项目相似度的加权Slope One算法研究

个性化推荐技术为人们处理信息过载问题提供了一种有效的解决方式。Slope One算法是预测评分的推荐算法,通过用户对项目的评分差异来预测评分,再根据预测评分进行推荐。但是,它并未考虑到项目相似度的问题。因此,提出项目相似度的加权Slope One算法,先使用Person相关系数计算出项目相似度,将Person相关系数归一化后与Slope One算法加权结合。最后,在Movielens数据集上进行实验,发现改进后的算法在MAE值上有较好的结果,使推荐更加准确。

基于改进随机森林算法的防火墙日志异常检测并行化方法

随机森林分类算法在产生决策树以及投票流程中各个决策树的分类准确度各不相同,由此带来的问题是少部分决策树会影响随机森林算法的整体分类性能。除此以外,数据集中的不平衡数据也能影响到决策树的分类精度。针对以上缺点,对Bootstrap抽样方法添加约束条件,以降低非平衡数据对生成决策树的影响;以及利用袋外数据(Outof-Bagging)和非平衡系数对生成的决策树进行评估加权。试验结果表明,所提算法改善了随机森林对不平衡数据的分类精度。