TEFRCF:标签熵特征表示的协同过滤个性化推荐算法

标签作为Web 2.0时代信息分类和检索的有效方式,已经成为近年的热点研究对象。标签推荐系统旨在利用标签数据为用户提供个性化推荐。现有的基于标签的推荐方法在预测用户对物品的兴趣度时往往倾向于赋予热门标签及其对应的热门物品较大的权重,导致权重偏差,降低了推荐结果的新颖性,未能充分反映用户个性化的兴趣。针对上述问题,定义了标签熵的概念来度量标签的不确定性,提出了标签熵特征表示的协同过滤个性化推荐算法。该算法通过引入标签熵来解决权重偏差问题,利用三分图形式描述用户-标签-项目之间的关系;构建基于标签熵特征表示的用户和项目特征表示,并通过特征相似性度量方法计算项目的相似性;最后利用用户标签行为和项目的相似性线性组合预测用户对项目的偏好值,并根据预测偏好值排序生成最终的推荐列表。在Last.fm数据集上的实验结果表明,该方法能够提高推荐准确性和新颖性,满足用户的个性化需求。     

标签模糊和冗余在标签推荐中的研究及应用

现有的Folksonomy标签推荐系统使用的推荐算法没有考虑标签模糊和冗余问题,影响了用户建模和对推荐系统评估的准确性,并且降低了系统的推荐质量,增加了用户选择喜好项目时的负担。通过对标签推荐系统的研究,将标签模糊和冗余应用到标签推荐算法当中,有助于提高系统的推荐质量,并且能提供更合理的评价方法。实验结果表明：经过标签模糊和冗余处理的标签推荐算法显著地提高了推荐系统的推荐质量。     

基于熵权法的软件开发项目范围管理研究

现代社会人们用计算机解决的问题愈趋复杂,软件的空间复杂度与时间复杂程度在逐步提升,附带的软件开发项目难度呈指数型增长。在软件开发的过程中,还存在着各种各样的变动,这在一定程度上增加了软件开发难度,因为范围变更管理不力最终致使开发项目失败的案例并不少。本文将在众多国内外文献的基础上,探讨融合熵权法的软件开发项目中的范围管理。     

基于熵权的多粒度犹豫模糊语言VIKOR群推荐方法

针对群推荐系统中被推荐项目具有多粒度性、犹豫性、模糊性的特点,首先在多粒度犹豫模糊语言术语集的基础上,提出多粒度犹豫模糊语言熵的概念及计算公式,采用熵的计算公式求解被推荐项目的属性权重;然后,将传统的多准则妥协解排序法(VIKOR)拓展到多粒度犹豫模糊领域,并对其妥协解公式加以改进,将改进的VIKOR方法用于群推荐;最后,从理论分析、数值计算和敏感性分析3个方面将改进的VIKOR方法与逼近理想解排序法(TOPSIS)进行对比,所得结果表明了所提出方法在群推荐应用中的合理性和有效性.     

基于改进熵权法的智能手机评价模型

针对消费者选购智能手机的问题,根据德尔菲法对消费者选购智能手机的影响因素进行分析,初步建立11项评价指标,利用粗糙集属性约简原理对评价指标进行约简,约简后得到的6项核心评价指标,然后利用熵权法对约简后的评价指标进行赋权,从而建立智能手机的综合评价模型,并对选取的12种智能手机进行评价,结果表明此方法是有效且合理的.     

基于模糊熵权法二次系统信息安全风险评估研究

提出一种将模糊质量理论和熵权理论相结合的风险管理方法。将安全防控措施功能风险要素添加到传统的风险因素中进行预防和安全控制,并基于模糊集理论将要素构造对应其评判集的隶属度。为了减少主观赋权的偏差,应该使用熵权法来计算权重,得出综合风险值,同时判定所属安全等级。经过实验计算,验证了模型的合理性和有效性,研究结果显示该方法对二次系统安全风险管理具有一定的理论意义和实践价值。     

基于Hadoop 的标签推荐系统设计

个性化推荐技术的发展有利于解决互联网海量数据信息过载问题。本文在了解分布式处理架构的特点的基 础上,提出了基于Hadoop 构建标签推荐系统方案。采用基于MapReduce 模型实现的算法具有较高的伸缩性和性能,能高效 地进行离线数据分析。     

基于标签的电影推荐算法研究

为了有效解决用户在电影网站海量资源中寻找兴趣度高的电影时效率低这一问题,研究了一种基于标签的推荐算法。根据用户与标签的关系计算用户对标签的兴趣度;构建标签基因矩阵以及兴趣度矩阵,计算出用户对电影的喜好程度;为用户推荐喜好程度高的电影,提高用户对电影网站的好感度。通过在实际数据集上应用基于标签的推荐算法,验证了该算法的可行性以及有效性。     

基于AHP和熵权法的手机移动支付风险评价研究

移动支付在电子商务的发展下不断被应用于人们生活各方面,成为影响社会生产结构、群众消费方式和消费习惯改变的重要因素。本文梳理了移动支付过程中出现的风险问题,构建了移动支付风险评价指标体系,运用AHP和熵权法进行定性定量分析,并以此为依据给出相关建议。结果表明,该研究可为移动支付发展提供有效的风险评估,具有较强实用性。     

结合最大熵模型和tag 特征的混合推荐系统

由于用户数目的不断增多以及信息量的快速膨胀,传统协同过滤（CF）中的数据矩阵稀疏性问题显得愈为突出。为此我们提出了一种新的混合推荐方法。首先,我们在最大熵模型下综合考虑tag信息和rating信息作为约束条件,然后分别针对tag信息和rating信息定义相关的特征并且计算其相应的权重,最后利用先前计算出的权重预测当前用户对于目标项目的评分概率分布,并且选出概率最大的作为预测评分。实验证明,该方法能有效提升推荐系统的准确率。     

基于熵权法和组合隶属函数的雷达质量评估方法研究

为较好地评价雷达质量状况,针对雷达系统的功能特性和评估需求,区分监测数据、履历数据和环境数据,构建了雷达质量评估的三层指标体系。为反映监测数据因素的客观性,采用熵权法确定测试数据指标权重。为避免单一隶属函数可能会出现隶属度突变的问题,运用组合隶属函数的方法进行评价。该方法首先计算各指标在不同隶属函数条件下的评价信息,而后对每种隶属函数的评判情况进行组合优化,以增加评估结果的可信度。通过定性分析和定量计算,对某型雷达的质量状态进行了模糊综合评判,验证了该评估算法的有效性,对雷达系统操作应用和维修保障具有一定的参考价值。     

基于熵权法与灰色关联度法的煤矿企业信息化水平评价

针对常用的信息化水平评价方法采用专家打分方式确定指标权重而导致评价主观性过强的问题,提出一种基于熵权法与灰色关联度法的煤矿企业信息化水平评价方法。该方法根据煤矿企业的特点以及信息化对煤矿企业的作用,将煤矿企业信息化评价指标体系划分为5个一级指标和19个二级指标;采用熵权法确定指标权重大小,并采用灰色关联度法计算评价对象与参考数列的关联度,根据关联度大小确定信息化水平等级。运用该方法对某煤矿信息化水平进行评价,结果表明,该方法能客观、准确地反映煤矿企业信息化水平的实际情况。     

基于背景差分与最大熵的轨面缺陷分割

为了提高钢轨表面缺陷检测的效率和准确率,提出了一种基于背景差分与最大熵的轨面缺陷检测算法.首先建立钢轨图像背景模型并将原图像与背景图进行差分操作,以此来避免光照变化和反射不均的影响,更准确地突出缺陷区域;然后将改进的遗传算法与最大熵值法相结合来寻找最佳分割阈值并对差分图进行二值化,通过结合改进遗传算法加快了最大熵值法的运算速度;最后对二值图进行滤波操作,完成钢轨表面缺陷的分割.仿真结果表明该方法能够更加快速准确地分割出缺陷,精确率、召回率和正确率分别达88.6%、93.4%和90.6%.     

基于标签、得分和偏好时效性的项目推荐方法

网络信息的爆炸式增长使得推荐系统成为一项研究的热点。现存的推荐系统在实际运营中存在各自的缺陷。在web2.0环境下,标签、项目得分以及用户标注项目的时间均包含暗示用户偏好的重要信息,这些信息对提高推荐系统准确度是十分重要的。在借鉴协同过滤思想的基础上,提出综合考虑标签、项目得分和用户偏好时效性的项目推荐模型,并对此模型的体系结构及应用前景进行了分析。     

熵权系数法的理论建模分析与并行实现

在多指标综合评价经济效益问题的研究中,熵权系数法对于投资决策系统的综合评价起到了非常重要的作用.为了满足需要进行大量数据计算的经济效益多指标综合评价的应用需求,文章提出了熵权系数法的并行算法来对我国大中型工业企业经济效益进行发展次序优先排序.数值实验验证了该并行算法的可行性与正确性,并且具有较高的加速比和并行效率,为需要进行大量数据计算的多指标综合评价带来了方便、快速等优势.     

基于熵权法和模糊评价的信息化厂商评价研究

针对信息化厂商综合评价中各指标的模糊性和不确定性,尝试综合运用层次分析法、熵权法和模糊综合评价法,构建主观权重和客观权重相结合的模糊综合评价法以评价信息化厂商质量。采用层次分析和熵权法分别确定主观权重和客观权重,挖掘指标样本值的客观信息差异,力图使结果更为客观。应用供电企业信息化厂商实际数据测算结果验证了熵权组合权重的信息化厂商的模糊综合评价模型的有效性和实用性。     

一种基于熵权和经验因子的模糊综合评价方法

针对系统综合评价过程中存在各种不确定性的问题,提出了一种基于熵权和经验因子的模糊综合评价方法。将模糊数学理论与综合评价理论相结合,利用模糊集合来表示专家的评价结果,对专家评价意见进行量化;权重的确定采用基于熵权和经验因子的权重确定方法,将由决策矩阵确定的客观权重同由先验知识确定的主观权重结合起来,提高了权重确定的科学性;最后,对专家意见和权重进行模糊合成运算,得出综合评价的最终结果。结合某信息系统的风险评估算例,给出了该方法的应用步骤。