启发式概念构造的组推荐方法

形式概念分析是形式背景的数据分析方法,已被引入推荐系统领域。概念格作为形式概念分析的有效工具,因其构造效率低下,所以难以应对电子商务中的大规模数据。为解决该问题,提出一种基于启发式概念构造的组推荐方法。首先,基于用户共同评分的项目,定义概念构造的启发式信息,实现概念的快速构造;同时利用内涵约束,在保证群组相似度的基础上,构造当前面积最大的概念,以包含更多的邻居用户;然后,在覆盖所有用户的概念集合上,统计项目在群组中的流行度,实现对群组用户的组推荐。在抽样数据集和MovieLens上,对比了该算法与两类不同的推荐算法。实验结果表明,在大规模数据下,该算法能在快速生成概念集合同时满足推荐需要。     

ART与概念相似在电子商务推荐系统中的应用

电子商务网站使用推荐系统来分析用户个人的喜好、习惯,并向其推荐信息、商品。针对传统的推荐系统在实际中存在着数据稀疏性及挖掘潜在需求的问题,提出利用ART神经网络的聚类特性与产品本体来设计电子商务推荐系统。同时,当用户的偏好类别偏少时,提出以形式概念分析为基础的概念相似度方法来提高推荐质量。实验表明该方法有效地提高了推荐效率。     

近似概念的遗传生成算法及其推荐应用

由于构造概念格的时间复杂度高,在推荐领域已有研究者提出用概念集合来替代概念格.但目前对概念集合的研究未考虑近似概念的作用,因此将近似概念引入推荐应用,并提出基于遗传算法(GA)的近似概念生成算法(ACGA)和相应的推荐应用方案.首先由启发式方法生成初始概念集合;其次用交叉算子对初始概念集合中的概念的外延两两求交集,从而...     

基于弱概念相似度的组推荐方法

网络数据下的概念认知与知识发现是网络背景下机器学习和人工智能的重要研究方向,已被引入到推荐系统研究中。现有的基于概念格的推荐方法忽视了节点之间的网络结构关系,同时构造概念格的效率低且构建概念集合的约束条件较严,在大规模的社交网络中难以实现。为解决这些问题,本文在网络形式背景的框架下,综合复杂网络的拓扑结构和弱概念相似度,提出了基于弱概念相似度的组推荐算法。首先,定义属性度、属性密度来描述属性的重要性,通过改进的节点影响力来确定专家节点;其次,利用专家节点划分社区,在划分的社区中通过属性弱概念下限相似度进行组推荐研究,进而获取推荐规则并对相应社区进行组推荐;最后,利用MovieLens数据集和Filmtrust数据集分析了各参数对本文所提算法的影响,并确定了参数的合理取值。将本文所提算法与其他推荐算法进行比较测试,实验验证了本文算法的有效性。     

三元背景及概念三元格的简化

三元概念分析是对形式概念分析理论的扩展,三元背景作为其数据基础在实际生活中普遍存在。三元背景所反映的三元关系是形成概念三元格的基础,它比形式概念分析中的二元关系更复杂,因而在此基础上形成的三元概念以及概念三元格就更为复杂。对此,提出一种三元背景和概念三元格的信息简化方法,该方法将三元关系拆解为最本质的二元关系,并在保证所有二元关系不变的基础上,同时考虑三元背景的3个论域,删减其中不必要的元素,以减少数据量,简化三元背景和概念三元格的表达方式。进而,得到简化后概念三元格的一些性质以及简化前后三元概念的关系等理论结果,为进一步的算法研究与应用以及更深入的理论分析工作奠定基础。     

基于模拟退火法的概念集构造算法

在形式概念分析中,构造概念格需要较高的时空复杂度,但仅部分格或概念集用于推荐应用.针对上述问题,文中提出基于模拟退火法的概念集构建算法.首先,提出候选概念生成技术,目标函数考虑概念外延相似度,解的更新采用Metropolis准则.再提出概念筛选技术,以外延相似度为评价指标,选择每位用户的强概念构成集合.最后,提出推荐技术,利用外延中邻居用户的偏好,向目标用户提供个性化推荐.在5个公开数据集上的实验表明,文中算法的推荐效果和效率较优.     

基于改进型启发式相似度模型的协同过滤推荐方法

为提高协同过滤推荐方法的准确性和有效性,提出一种基于改进型启发式相似度模型的协同过滤推荐方法PSJ。该方法考虑了用户评分差值、用户全局评分偏好和用户共同评分物品数三个因素。PSJ方法的Proximity因子使用指数函数反映用户评分差值对用户相似度的影响,这样也可避免零除问题;将NHSM方法中的Significance因子和URP因子合并成PSJ方法的Significance因子,这使得PSJ方法的计算复杂度低于NHSM方法;而且为了提高在数据稀疏情况下的推荐效果,PSJ方法同时考虑了用户间的评分差值和用户全局评分两个因素。实验采用Top-k推荐中的查准率和查全率作为衡量标准。实验结果表明,当推荐物品数大于20时,与NHSM、杰卡尔德算法、自适应余弦相似度（ACOS）算法、杰卡尔德均方差（JMSD）算法和皮尔逊相关系数算法（SPCC）相比,PSJ方法的查准率与查全率均有提升。     

一种社会化标注系统资源个性化推荐方法

目前许多基于社化化标注的个性化资源推荐方法均忽视了用户长短期兴趣和多义标签问题对推荐的不同影响,为此,设计区分用户长短期兴趣的指标——用户的标签偏好权重和资源偏好权重;在此基础上,提出一种结合基于内容和基于协同过滤方法优点的混合推荐方法,通过加入标注相同资源的标签向量相似度计算因子,来减小多义标签对推荐结果的影响。实验表明,将该方法引入社会化标注系统资源个性化推荐算法中,能提高推荐精度。     

动态融合社交信息的社会化推荐

针对推荐算法中的数据稀疏问题,通常引入社交数据作为辅助信息进行社会化推荐。传统的社会化推荐算法忽略用户的兴趣迁移,导致模型无法描述用户兴趣的动态变化特征,也忽略了社交影响的动态特性,导致模型将很久以前的社交行为与近期社交行为同等对待。针对这两点提出一种社交信息动态融合的社会化推荐模型SLSRec。首先,利用自注意力机制构建用户交互物品的序列模型,以实现对用户兴趣的动态描述;然后,设计具有时间遗忘的注意力机制对社交短期兴趣进行建模,并设计具有协同特性的注意力机制对社交长期兴趣进行建模;最后,融合社交的长短期兴趣与用户的短期兴趣来获得用户的最终兴趣并产生下一项推荐。利用归一化折损累计增益（NDCG）和命中率（HR）指标在稀疏数据集brightkite和稠密数据集Last.FM上把所提模型与序列推荐模型（自注意力序列推荐（SASRec）模型）和社会化推荐模型（社会推荐的神经影响扩散（DiffNet）模型）进行对比验证。实验结果显示,SLSRec模型与DiffNet模型相比,在稀疏数据集上的HR指标提升了8.5%;与SASRec模型相比,在稠密数据集上的NDCG指标提升了2.1%,表明考虑社交信息的动态特性使推荐结果更加准确。     

形式概念分析在本体构建中的应用

随着信息共享和数据交换的范围不断扩大,语义数据集成成为数据库技术研究中的热点.本体作为共享概念的形式化说明,用于表达数据源的语义、识别和建立概念间的语义关联、达成语义一致,提供了语义异构问题的解决途径.传统的关系数据库由于具备技术成熟、应用广泛、数据管理能力强、数据安全程度高等特点,依然是数据存储的主要手段.然而,关系数据只表达了"属性/值"二元关系,不具备语义描述的能力,如何在关系数据中直接抽取数据的语义,构建本体,提炼丰富的语义信息,弥补关系数据表的缺陷,是一个重要的研究方向.文中探讨了运用形式概念分析的技术,结合数据库模式及其数据,构建本体的方法.在研究本体构建的基本方法基础上,论述了形式概念分析方法,并结合给定的数据库模式及其数据信息,演示了运用形式概念分析的方法构建本体的过程.     

改进Apriori算法在社交网络好友推荐中的应用

针对 Apriori 算法在频繁项集自连接中产生大量的候选项集以及多次扫描数据库的不足,提出了一种改进的算法,该算法将数据库映射到一个布尔矩阵中,在矩阵列向量进行“与”运算之后,删除那些没有意义的项和记录,改进的算法在时间复杂度和空间复杂度上都有很大的提高。将改进的算法运用到社交网络好友推荐算法中,将网络社交平台中用户关注的用户和信息作为记录,将关注的用户作为交易项,构建交易数据库,计算频繁2项集,推荐按支持数排序的前N位用户作为好友。通过实验验证,改进的算法在社交网络好友推荐中具有较高的准确率和召回率。     

一种改进的启发式离散化算法及应用

Nguyen S.H提出的布尔逻辑和粗糙集理论相结合的离散化算法是粗糙集理论中的离散化算法在思想上的重大突破。通过定义分界点来区分Nguyen S.H离散化算法中定义的断点对决策系统的分辨关系是否有贡献,并仅取分界点集作为初始断点集,使得初始断点数目较大幅度地降低,提出了一种改进的启发式离散化算法并应用于一个实际的决策系统的连续属性离散化。应用实例表明改进算法较大程度地减小了算法空间复杂性和时间复杂性,具有正确性和实用性。     

社会化推荐研究综述

社会化推荐系统正随着互联社交网络的快速发展逐渐成为人们关注的热点问题。首先,介绍了社会化推荐的基础理论,阐述了社会化推荐的概念及基本框架,并在此基础上将其分类为面向个体的社会化推荐和面向群组的社会化推荐。接着,分别给出了面向个体和面向群组的社会化推荐的形式化定义,从个体和群组两个角度对社会化推荐系统的研究现状进行了综述。面向个体的社会化推荐主要包括基于评分预测的推荐方法和基于排序学习的推荐方法;面向群组的社会化推荐主要包括推荐方法的融合和推荐结果的融合。     

An Axiomatic System for Conditional Attribute Implications in Triadic Concept Analysis

In this paper, we define a sound and complete inference system for triadic implications generated from a formal triadic context , where G, M, and B are object, attribute, and condition sets, respectively, and I is a ternary relation . The inference system is expressed as a set of axioms “à la Armstrong.” The type of triadic implications we are considering in this paper is called conditional attribute implication (CAI) and has the following form: , where X and Y are subsets of M, and is a subset of B. Such implication states that Ximplies Y under all conditions in and any subset of it. Moreover, we propose a method to compute CAIs from Biedermann's implications. We also introduce an algorithm to compute the closure of an attribute set X w.r.t. a set Σ of CAIs given a set of conditions.     

VPN的概念与应用案例

VPN(Virtual Private Net- work,虚拟专网)是一种通过对网络数据进行封包和加密,在公网上传输私有数据,同时保证私有网络的安全,从而利用公网构筑企业专网的组网技术。它兼备了公众网的便捷和专用网     

基于可辨识矩阵的启发式属性约简方法及其应用

在基于可辨识矩阵的属性约简算法的基础上，提出了基于可辨识矩阵的计算属性重要性的方法，并以此作为启发式知识来约简决策表中的冗余属性。这种方法直接源于评审数据，思路清晰，拟合结果表明本约简算法合理、可靠。     

Heuristic Models of Social Systems

Quantitative models of complex systems, ranging from the cell to social systems, that can be programmed for computers and reflect the dynamics of variation of structures and functions, are becoming very common in science. They allow one to determine the behavior of a system under different conditions, to optimize system control, and outline new approaches to experimental investigation.