基于用户兴趣感知的多关系推荐模型

由于图卷积网络(GCN)能够利用高阶邻居的协作信号来更好地学习用户和项目的嵌入,它已经广泛应用于推荐系统。但在当前基于GCN的多关系推荐模型中用户节点的嵌入学习会受到与之兴趣不相似的高阶相邻用户的干扰,导致拥有不同兴趣的用户经过多层图卷积后会得到相似的嵌入,从而产生了过度平滑问题。因此针对上述问题提出了一个基于用户兴趣感知的多关系推荐模型(IMRRM)。该模型会在用户项目异构交互图中利用轻量化的图卷积网络得到每个用户的图形结构信息。子图生成模块利用用户的图结构信息和初始特征有效地识别出兴趣相似的用户,并将相似用户及其交互项目组成一个子图。通过在子图中进行深层嵌入学习来防止兴趣不相关的高阶邻居传播更多的负面信息从而得到更精确的用户嵌入。因此IMRRM模型减少了噪声信息对用户节点嵌入学习的影响,有效地缓解了过度平滑问题来更加准确地进行多关系推荐。通过在Beibei和Taobao这两个公共数据集上实验来验证IMRRM的有效性和鲁棒性。实验结果表明,IMRRM模型在HR10上分别提高了1.98%和1.49%,在NDCG10上分别提高了1.58%和1.81%,具有较好的性能。

用户兴趣感知的内容副本优化放置算法

提出了用户兴趣感知的内容副本优化放置算法。该算法首先基于聚类算法从用户访问日志提取各用户的群体内容兴趣主题,依据其所辖用户的个体兴趣度加权得其群体兴趣度,并对其进行实时更新;然后在非线性优化模型下,以最小化平均响应时间为目标,优先放置群体兴趣度较大的副本,以实现被放置副本与用户内容兴趣主题的最大匹配。在平均响应时间、请求响应匹配度、负载均衡和邻近副本利用率等方面,与1-Greedy-Insert等算法进行对比,仿真结果显示各性能指标平均提升了约30%,验证了算法的有效性。

异构网络中基于兴趣感知的聚类缓存策略

为应对移动流量的爆炸式增长,在异构网络中引入缓存成为目前的热点研究方向之一。目前缓存部署策略存在缓存命中率不高、缓存数据冗余度较高等问题,没有充分利用存储资源,直接影响网络的性能。针对以上问题,提出一种基于用户兴趣感知的虚拟聚类协作缓存部署策略来提高缓存系统性能。根据用户距离构造虚拟聚类,依据内容请求因子确定系统缓存内容,采用基站协作缓存以及用户间虚拟聚类方式共享缓存内容,以缓存命中率最大化为目标建立优化模型并通过贪婪算法求解。理论分析及仿真结果表明,在异构网络场景下,跟现有方法相比,所提方法在缓存命中率、系统平均传输时延等性能上均有明显提升。

基于兴趣感知和时间因子的个性化菜品推荐

目前推荐系统已广泛应用在各种电子商务网站上,但针对菜品的个性化推荐很少。针对菜品推荐中存在别名多、用户菜品矩阵稀疏以及新用户冷启动等难题,对基于用户的协同过滤算法进行改进,设计一种融合专家选择和在线推荐的菜品推荐系统。专家选择通过对菜品进行种类层次划分为用户兴趣建模做准备,在线推荐通过兴趣感知选择算法选择餐厅中的专家用户和候选菜品,从而实现对用户菜品的推荐。最后通过在候选菜品选择时引入时间敏感因子和协同过滤中引入时间遗忘因子,改进兴趣感知算法和菜品偏好预测效果。实验结果表明,所设计算法较传统算法在准确性和推荐效率上有明显改进,并得出了针对菜品推荐时引入时间因子有利提高推荐准确性的结论。

从Web日志挖掘学生兴趣感知

研究了对W3C的Web日志的数据挖掘,从而分析学生的学习兴趣,提供更好的学习资源。

感知与兴趣驱动的虚拟仿真教学方案设计

围绕“从0到1”的新型仿真人才培养,提出感知与兴趣驱动的虚拟仿真教学方案,从认知培养、实践教学、多方协作、多层激励4个方面阐述虚拟仿真教学方案设计流程,从学生专业实战、创新实训、持续转化3个能力角度介绍阶段性多维评估方法,最后通过评估结果说明教学方案设计的有效性。

基于矩阵分解的感知兴趣点智能推荐算法仿真

针对当前算法推荐结果与用户感知兴趣点拟合度低,导致推荐可信度低的问题,提出基于矩阵分解的感知兴趣点智能推荐算法。先在典型的社会网络中,对感知兴趣点推荐问题进行描述;建立感知兴趣点模型,构建用户范围矩阵和感知兴趣点的影响力矩阵,提取出用户对不同感知兴趣点的偏好,随后计算感知兴趣点在不同区域中的影响力,并修正感知兴趣点影响力函数,通过对其权重的计算,获取用户对感知兴趣点的访问次数、时间的总和以及感知兴趣点集合。最后计算感知兴趣点智能推荐时间的复杂度,利用矩阵分解思想最终实现了对感知兴趣点的智能推荐。实验结果表明,提出的算法的推荐结果与用户感知兴趣点的拟合度较高,并且感知兴趣点的推荐可信度也较高,验证了提出算法的有效性。

在线零售情境因素对顾客惠顾意愿的影响研究

作为新兴的零售渠道,互联网在零售业中的重要性日益凸显.随着在线零售业竞争的不断加剧,零售商越来越重视在线商店的情境因素对顾客惠顾的影响.从自我决定理论的视角,考察了在线零售情境中的产品相关情境因素和市场相关情境因素如何影响顾客在网上购物活动中的自主需要满足和关系需要满足,进而影响顾客的惠顾意愿;研究进一步提出了情境因素影响顾客惠顾意愿的两种内部化机制,即感知控制和感知兴趣.研究结论有助于深入理解在线零售情境因素对顾客惠顾意愿的影响作用,并为在线零售商提供了设计在线零售情境因素的新视角.

基于图卷积网络的双向协同过滤推荐算法

近年来,图神经网络被证明是针对图数据研究的一个有效工具,而在推荐系统中用户和商品之间的关系可以被视为一个二分图,则可以尝试将图神经网络的相关技术原理应用到推荐系统。目前图神经网络方法存在局限有:高阶节点在信息传播过程中会携带噪声或负面信息;深层网络面临过平滑问题,即:网络深度达到一定层数后,由于节点特征聚合过多高阶节点信息,导致不同类别不可区分,此时模型的学习能力不增反降;两个问题都对后续学习任务造成负面影响,其学习策略存在进一步优化的空间。针对这一问题,本文基于图卷积神经网络设计了一个新的推荐算法--双向协同过滤推荐算法,将原本的大规模图划分为多个子图进行融合学习,并使用注意力机制对多个节点表示进行组合优化。相比于现有模型,该模型能够得到更高的准确度和召回率。

利用人工智能技术对沈阳市老年人文娱生活的推荐研究

随着人工智能技术的飞速发展,沈阳市社会老龄化,信息超载问题无法避免且日趋严重化,但目前的文章研究多数是停留在如何将用户个体在不同兴趣下的行为偏好融入推荐系统中,缺少了对不同兴趣中各个行为要素对信息推荐的影响研究。个性化的推荐系统就是解决这个问题的关键技术,并且采取的BP神经网络是自适应更新技术,通过引入兴趣感知行为,有效的预测了沈阳市老年人的文娱生活需求,为此采用的适合应对措施。

基于用户兴趣模型的个性化阅读策略研究

大数据时代,最大的挑战在于如何推荐用户感兴趣的内容与铸就高品质个性化阅读服务。为解决这一问题,需研究以用户为中心的多元化服务聚合;研究系列化、多情境、多视角的文献内容聚合方法;打造支撑内容聚合的聚类技术体系。因此,探讨了以用户为中心的服务聚合、内容聚合和技术聚合,形成了一系列聚合策略;并探讨了个性化阅读的发展前景与应用价值。

整体感知 寓识于读——谈识字教学策略

教学方法是不拘一格的,据教学对象的学习兴趣和理解能力而定。作为语文教学的基础内容,识字教学也需要围绕低段学生的学习兴趣和理解能力来选择教学策略,注重学生的整体感知,做到"寓识于读",才能提高识字教学的质量。