传统协同过滤算法大多是围绕如何降低评分误差展开研究,未涉及用户评分过程。本文考虑到用户评分动机和用户本身评分倾向的情况,将用户评分过程分为用户评分和物品选择两个阶段,从预测用户兴趣概率和用户效用角度出发,采用潜在狄利克雷...传统协同过滤算法大多是围绕如何降低评分误差展开研究,未涉及用户评分过程。本文考虑到用户评分动机和用户本身评分倾向的情况,将用户评分过程分为用户评分和物品选择两个阶段,从预测用户兴趣概率和用户效用角度出发,采用潜在狄利克雷分布模型(LDA)挖掘出用户潜在高效用因子和物品被靶向概率因子,进而将两种因子加权融合作为第一阶段;第二阶段采用奇异值分解预测用户评分值并根据该评分值选择物品。综上,本文提出一种加权高效用因子的两阶段混合推荐算法(hybrid recommendation algorithm based on two-phase weighted high utility factor,Htp_Uf)。在 MovieLens数据集上,实验结果表明,该算法在归一化累计折损增益(NDCG)和 1-Call两种评价标准下优于其他4种推荐算法,能够有效提高推荐质量。展开更多
对经济学方法在无线资源管理中的应用进行了研究,考虑业务、用户、资源等多个域,将无线资源分配看作生产–消费模型,兼顾用户公平性原则,针对不同业务的QoS(quality of service)要求采用不同的资源分配方法,建立了基于社会福利最大化的...对经济学方法在无线资源管理中的应用进行了研究,考虑业务、用户、资源等多个域,将无线资源分配看作生产–消费模型,兼顾用户公平性原则,针对不同业务的QoS(quality of service)要求采用不同的资源分配方法,建立了基于社会福利最大化的资源分配模型。采用基于用户柔性业务的调度算法优化所提模型,综合考虑用户效用、网络效益以及运营商收益,实现了基于社会福利最大化的柔性业务资源分配。仿真结果验证了所提算法的优越性。展开更多
文摘传统协同过滤算法大多是围绕如何降低评分误差展开研究,未涉及用户评分过程。本文考虑到用户评分动机和用户本身评分倾向的情况,将用户评分过程分为用户评分和物品选择两个阶段,从预测用户兴趣概率和用户效用角度出发,采用潜在狄利克雷分布模型(LDA)挖掘出用户潜在高效用因子和物品被靶向概率因子,进而将两种因子加权融合作为第一阶段;第二阶段采用奇异值分解预测用户评分值并根据该评分值选择物品。综上,本文提出一种加权高效用因子的两阶段混合推荐算法(hybrid recommendation algorithm based on two-phase weighted high utility factor,Htp_Uf)。在 MovieLens数据集上,实验结果表明,该算法在归一化累计折损增益(NDCG)和 1-Call两种评价标准下优于其他4种推荐算法,能够有效提高推荐质量。
文摘对经济学方法在无线资源管理中的应用进行了研究,考虑业务、用户、资源等多个域,将无线资源分配看作生产–消费模型,兼顾用户公平性原则,针对不同业务的QoS(quality of service)要求采用不同的资源分配方法,建立了基于社会福利最大化的资源分配模型。采用基于用户柔性业务的调度算法优化所提模型,综合考虑用户效用、网络效益以及运营商收益,实现了基于社会福利最大化的柔性业务资源分配。仿真结果验证了所提算法的优越性。