基于项目簇偏好的用户聚类算法

传统算法基于用户项目评分矩阵来进行推荐,存在冷开始、稀疏性等问题,邻居相似性只鉴于用户共同评价的项目,没有考虑项目本身的属性关系;在整个用户空间搜寻最近邻居,实时性差。针对这些问题,提出基于项目簇偏好的用户聚类算法,首先基于项目属性特征对项目进行聚类,然后再利用用户对项目簇的偏好对用户进行聚类,最后在和目标用户最相似的几个聚类中搜寻邻居用户,从而压缩搜寻空间,提高了搜寻速度。实验表明,该算法通过降低稀疏性、冷开始等问题,增强实时性,提高预测精度。

从财政学到财政社会学:高等教育项目制实践效应的理论诠释及反思

20世纪80年代尤其是90年代中期以来,高等教育项目制在其历史发展与运作实践中被建构为多种存在相貌,其意义早已超越最初作为高等教育财政拨款与支出的财政学存在,而是具备了国家高等教育治理、高校组织运作、高校教师个体行动等财政社会学意涵。在财政学与财政社会学两种意义的建构下,项目制已成为一个能够将高等教育诸多主体与结构要素统合起来的制度枢纽,资源获取、利益分配、学术评价、地位区隔、符号表征等制度实践以及国家高等教育治理与高校组织内部规则的确立等均被统整在其框架下,并发挥着强大的实践能力与支配能力。通过国家与高等教育组织的上下建构,项目制成为高等教育运行的一个总体性规则而内蕴一种体制性的精神内涵。这种精神性体现在一旦高校组织、高校教师荣登“项目榜”,其在高等教育场域中的地位、身份、资格、资源、收入、福利、关系、生涯等都会随之发生结构性改变,从而成功地塑造了高校组织与高校教师的项目属性与特征。

基于矩阵分解模型的协同推荐过滤算法研究

文章介绍了基于用户评分偏差和项目评分偏差的偏差矩阵分解模型ALS-WRB的推荐算法。在此基础上,充分考虑项目属性特征的信息重要性,将它作为项目隐含特征因子,加入到ALS-WRBC矩阵分解模型进行训练,同时解决了新用户或新项目冷启动问题,一定程度上缓解了矩阵稀疏性问题。将相关的项目属性特征与潜在的隐含特征因子一起进行模型训练,并做了实验设计,对结果进行分析对比,在不提高算法复杂度的情况下,模型的精确度得到一定提高,证明算法改进的有效性。