基于混合相似度和差分隐私的协同过滤推荐算法

现有协同过滤推荐算法中,存在的评分片面、主观性强、评分矩阵稀疏性等因素影响了推荐的精确度,并在推荐中存在隐私泄露等问题。针对上述问题,提出一种基于混合相似度和差分隐私的协同过滤推荐算法。该算法基于多种相似度进行加权计算构造混合相似度,提高推荐精度;以混合相似度作为质心更新和分类条件,利用改进的K-means算法将与目标用户相似度高的用户进行聚类;采用枚举方法在目标用户集中划分子集,并基于混合相似度构建效用函数,利用差分隐私指数机制在各子集中选择邻居集合,保护用户隐私;最后在邻居集合中选择出评分值最高的项目进行推荐。实验结果表明,该算法在保护用户隐私的同时,有效提高了推荐的精确度。

基于子空间混合相似度的过程监测与故障诊断

针对现代工业过程多变量、过程数据通常同时包含高斯性和非高斯性分布的特点,提出了一种基于混合子空间的系统性能监控与故障诊断方法。首先使用小波去噪、PCA和ICA方法来进行过程检测,然后将基于PCA特征子空间距离相似度和基于ICA子空间余弦相似度的方法结合,建立故障诊断库,计算混合相似度,确定各类故障的诊断阈值。最后对在线的数据进行监控,判断过程是否正常。当有故障发生时,利用混合子空间相似度确定故障类型。该方法可以充分利用过程数据中的高斯和非高斯信息。通过对Tennessee Eastman(TE)过程的仿真研究,验证了该方法的可行性与有效性,与变量贡献图方法相比可以更加有效地监测出故障原因。

基于混合余弦相似度的中文文本层次关系挖掘

层次关系是中文文本概念间存在的最为重要的关系之一。对层次关系的正确判定是进行领域本体自动构建、文本数据挖掘等信息处理的基础研究内容。先将概念间可能存在的候选层次关系罗列出来,构建词性序列语义余弦相似度和关系词语余弦相似度混合的核函数分类器,将概念间层次关系的挖掘问题转换为分类问题;再通过对文本数据进行模板标注来训练分类器;最后输入预处理后的中文文本,使用核函数分类器对候选层次关系进行判定。以空军武器装备领域的中文文本为测试数据,通过实验表明,该方法简单可靠,具有较好的正确率和召回率。

一种基于混合相似度的用户多兴趣推荐算法

针对传统协同过滤推荐数据稀疏会影响推荐质量,以及项目最近邻居集的计算忽略用户多兴趣及提高推荐的准确度问题,该文采用混合模型改进了相似性度量计算,综合Pearson相关系数与修正余弦相似性,提出了一种基于混合相似度的用户多兴趣推荐算法.实验表明:该推荐方法的相似度计算更高效,不仅提高推荐准确率,而且使用户有更好的推荐体验.

基于SimHash和混合相似度的多模式匹配方法

为了解决多源异构民航旅客服务数据集成过程中存在多模式匹配的效率不高、精确性不足、完整模式信息获取难度较大等问题,提出了一种基于Sim Hash和混合相似度的多模式匹配方法。该方法首先基于PMI计算特征单元权重,并通过Sim Hash算法构造属性列的签名来表示属性特征,以降低特征维度,进而引入K-means++算法对属性聚类并生成候选匹配集。最后基于属性的混合相似度构建属性映射图,以直观的方式展示属性间的匹配关系,同时提高多模式匹配效率。实验结果表明该方法具有可行性,为高效地解决多源异构民航旅客服务数据集成中的模式冲突问题提供新的解决方案。

煤矿复杂多源数据的混合相似性度量方法

随着煤矿产业自动化、电子化和信息化的发展,目前已有的数据描述方式不能有效刻画煤矿中多源、多维、动态的海量数据信息.针对该问题,首先将源于哲学范畴中的本体引入煤矿生产领域,以矿区监测位置本体作为语义模型与数值描述相结合,形成树状层次结构来描述煤矿复杂多源数据;然后,通过基于语义和数值的混合相似性度量方法计算煤矿数据的相似度;最后通过实验验证了本文所述方法的可行性和有效性.

一种基于混合语义相似度度量方法的本体元匹配技术

目的通过混合多种语义相似度度量方法来提高本体匹配的质量。方法构建一种新的语义相似度度量方法的组合框架,综合考虑组合过程中存在的2种情况来提高混合语义相似度度量方法的有效性。结果通过同国际本体匹配结果评价竞赛(Ontology Alignment Evaluation Initiative,OAEI)参与者的比较结果表明本文所提出的方法是有效的。结论本文提出的混合语义相似度度量方法能够有效组合基于知识库和字符串的语义相似度度量方法以识别异质的本体概念,从而提高本体匹配结果的质量。

基于混合相似度的协同过滤推荐

user-based协同过滤算法在B2C电子商务中是一种重要的推荐方法,但是用户共同评价项目的稀缺性导致了协同过滤算法质量的下降。鉴于此,在考虑用户评分数据的基础上,对用户评分记录进行聚类平滑。考虑用户购买记录作为数据源之一,并用曼哈顿距离相似度计算方法计算用户购买记录,将两者线性组合得到混合相似度,使用混合相似度进行推荐,通过实验计算两者线性组合的最佳权重系数,比传统的利用用户评分记录和用户购买记录的精确度高。实验结果表明,基于混合相似度的协同过滤推荐能有效提高由于数据稀缺性造成的推荐准确度。

基于分布式符号数据的混合推荐算法研究

传统的基于点数据的混合推荐算法鉴于用户偏好信息难以统筹而不能够从用户的角度建立模型,推荐的质量与效率受到影响。为能够更加具体的表征用户模型,以分布式符号数据为基础,建立用户积极子模型和消极子模型,通过分布式符号数据的距离度量计算出用户间的积极相似度和消极相似度,最后采用协同过滤算法为目标项目进行评分预测。将这种全新的混合推荐算法与传统推荐算法进行对比实验,结果表明,在一定的实验条件下,基于分布式符号数据的混合推荐算法优于传统的推荐算法。

基于案例推理技术的企业经营决策支持模型设计

本文提出了一个基于案例推理技术的企业经营决策支持模型的设计思想和实现方法。该模型通过对案例库中记忆的源案例企业的经营指标进行相似性搜索,在分析源企业实施的各项决策及实施后收到的经营效果的基础上,对目标企业未来经营策略进行指导。在关键技术(相似度搜索)上,模型采用了一种新的混合相似性搜索的方法,克服了传统的只能对确定性指标进行搜索的缺陷。

一种自适应信息集成方法

检测相似重复记录是信息集成中的关键任务之一,尽管已经提出了各种检测相似重复记录的方法,但字符串匹配算法是这些检测方法中的核心。在提出的自适应信息集成算法中,用一个综合了编辑距离和标记距离的混合相似度去度量字符串之间的相似度。为了避免由于表达方式的差异而造成的字符串之间的不匹配,字符串被分割成独立的单词后按单词的第一个字符进行排序。在单词的匹配中,对拼写错误和缩写有一定的容错功能。实验结果表明,自适应信息集成方法比用Smith Waterman和Jaro距离有更高的正确率。

基于Log-Gabor特征的非局部均值去噪算法及其加速方案研究

非局部均值是一种基于像素长程相似性的图像空域去噪算法,它一般采用灰度块特征估计图像像素间的相似度.文中首先使用基于Log-Gabor特征的像素间相似度估计获得较好的去噪效果.然后将Log-Gabor几何特征与灰度特征相融合,所形成的混合相似度具有更佳的图像局部自适应性,去噪性能也得到进一步提升.最后基于Johnson-Lindenstrauss引理研究利用随机降维方法降低相似度计算的复杂度,并对该加速方案的效果,包括降维前后运行时间对比、降维程度以及随机矩阵生成方法对去噪性能的影响,进行详细试验分析,结果证明基于随机降维的加速方案的有效性.

导弹产品设计知识的表示与重用技术研究

针对产品零/部件的设计大多基于以往成功的设计经验,研究了设计知识的合理组织和重用技术,提出一种基于实例推理的设计知识重用方法。首先,在基于实例检索各属性相似度的计算研究中,提出了属性类型为精确集和模糊集的混合相似度计算模型;其次,在研究属性权重系数中,为克服单一权重的弊端,兼顾了主观权重和客观权重的属性;最后,在全局相似度计算中综合应用了组合权重法和混合相似度计算法。通过导弹产品的设计案例,验证了所提出的混合相似度计算模型和权重系数计算方法的可行性和精确性。

一种基于超级链接结构的WWW模糊聚类算法

搜索引擎是目前最主要的WWW信息检索的工具 ,然而 ,用户对当前搜索引擎的检索效果并不满意。论文给出了基于文档文本内容和文档间超链信息的混合相似度计算方法,并给出了基于混合相似度的模糊(软 )聚类算法HTSC。对HTSC算法进行了理论分析 ,并对其中的核心算法进行了初步的实验验证。该算法可对搜索引擎返回的结果进行模糊聚类 ,以方便用户从中找到真正需要的信息。

基于模糊案例推理的企业外包风险预警研究

文中以企业物流外包为例,提出了一种基于案例推理的外包风险预警的决策支持方法,在关键技术研究的基础上,采用了一种新的混合相似度计算方法,克服了大多数方法不能有效处理模糊数的缺陷。

基于用户行为自适应推荐模型研究

【目的】针对用户类型多样性和推荐模型专一性的问题,提出基于用户行为自适应推荐模型。【方法】通过构建三层协同结构来规范推荐过程。第一层对用户分类,形成不同推荐通道;第二层根据通道匹配经过改进的推荐子算法;第三层引入特征加权形成推荐池,并在其中筛选项目推荐给用户;最终实现自适应推荐。【结果】与主流推荐模型进行对比,本文所提推荐模型的准确率、召回率、覆盖率、流行度分别是0.24、0.17、0.50、4.40,说明本文模型在各项指标上均有很好的表现。【局限】推荐算法以显性的评分为基础,无法直接预测无评分数据的数据集,需要构造偏好模型预测出隐式数据的评分,再进行预测,故在实际应用中会有一定的局限性。【结论】本文模型能够适应不同类型用户的偏好,并实现合理的推荐。

基于灰色关联分析和时间因素的协同过滤算法

【目的】针对传统协同过滤算法中存在的相似度可分辨性低和未考虑用户兴趣漂移的问题,本文提出一种基于灰色关联分析和时间因素的协同过滤算法以提高推荐算法的精度。【方法】首先给出基于灰色关联度的用户相似度计算方法,其次引入时间权重函数改进Pearson相关系数相似度,并结合两种相似度计算方法形成混合相似度,据此选取目标用户的近邻并做出推荐,最后采用Movie Lens数据集进行测试。【结果】与传统的协同过滤算法、单独考虑灰色关联分析或时间因素的协同过滤算法相比,本文算法的平均绝对误差降低了29.8%。【局限】本文算法时间复杂性比较高,计算混合相似度耗时较长。【结论】混合相似度的提出,提高了为目标用户推荐物品的准确度,具有较高的商业化推广前景。