共查询到20条相似文献,搜索用时 93 毫秒
1.
2.
3.
车辆共乘可有效提升运输资源利用率,降低出行成本,缓解交通拥堵并降低环境污染.针对动态车辆共乘问题构建了整数规划模型,并提出了一种基于离线匹配和在线匹配的双模式协作匹配算法.在离线匹配阶段,以共乘比率和绕行距离为标准对匹配价值进行评估,设计了基于带权路径搜索树的通用共乘比率生成算法对共乘参与者进行准确高效的预匹配.在在线匹配阶段,提出了基于首尾距离度的实时订单插入算法,并对离线匹配结果中的行驶路径进行修正.通过双模式协作,可有效兼顾算法的实时性和结果质量.基于真实数据的大量实验结果表明,该算法给出的匹配方案在总匹配价值和求解效率上均优于实验中的对比算法,其平均离线匹配率达93.71%、平均双模式协作匹配率达85.53%,增加运输资源利用率82.86%,减少车辆并发数84.86%. 相似文献
4.
近年来越来越多的学校广泛使用网络在线授课,然而互联网中海量的学习资源令学习者难以抉择。因此,研究在线学习资源推荐并为学习者进行个性化推荐非常重要,这可以帮助学习者快速获取其所需的优质学习资源。针对在线学习资源推荐的研究现状,从以下5个方面进行分析总结。首先,总结了目前国内外在线教育平台在学习资源推荐方面的工作;其次,分析和探讨了以知识点习题、学习路径、学习视频和学习课程为学习资源推荐目标的4种算法;接着,分别从学习者和学习资源的角度出发,以具体的算法为例,详述了常用的基于学习者画像、基于学习者行为和基于学习资源本体的3种学习资源推荐算法;此外,总结了公开的在线学习资源数据集;最后,分析了学习资源推荐系统目前存在的问题和未来的发展方向。 相似文献
5.
6.
《计算机应用与软件》2015,(10)
情境感知推荐是一种有效的推荐方法,但存在难以确定有效上下文变量的问题,使用过多的上下文变量会导致数据维度的上升及推荐准确性的下降。提出一种将推荐算法分解,以各分解部分为上下文匹配主体,且采取宽松匹配的上下文信息匹配策略。形成了一种融合上下文预过滤和上下文建模的混合推荐算法。通过同其他类型算法的性能对比实验证明了该方法在确定有效上下文变量及提高推荐算法准确性上的有效性。 相似文献
7.
随着民宿与在线短租平台的兴起,房东多归属现象持续受到关注与研究,该现象提供了新的研究角度,而如何在不同平台识别同源房东成为首要解决的问题。故本文基于传统用户匹配探索C2C在线短租跨平台房东匹配算法。其中由于房东个人信息稀疏,因此本文引入房源信息,设计基于房源信息的两阶段房东匹配算法(TSHM)。本文方法在基于国内2大在线短租平台真实数据划分的普通数据集与难例数据集上分别达到99.69%与81.97%的准确率,优于SVM、DT等传统分类器,验证了匹配模型与匹配特征的有效性,为跨平台房东匹配提供新思路,在房东个人信息缺乏条件下仍可有效匹配房东。但本文仅针对国内平台数据进行实验,未引入文本与图片等特征,存在一定局限性。 相似文献
8.
基于匹配滤波器的冲击在线检测的研究 总被引:1,自引:1,他引:0
汤磊 《计算机测量与控制》2004,12(9):826-829
在已知波形的条件下,匹配滤波器可以有效地提取含有较大随机干扰的冲击激励,消噪效果明显。文中针对机械动力系统中波形已知、重复产生的冲击激励,详细介绍了一种新的检测系统,并给出了在线检测算法流程。该检测系统以匹配滤波器为检测器,判决器使用了阈值算法,具有速度快、易于实现在线检测的特点。实际的例子说明了该检测系统的有效性和实用性。 相似文献
9.
针对在线旅游快速增长的态势,本文研究基于协同过滤的旅游景点推荐算法。通过提取在线旅游网站上游客对桂林旅游景点的评价数据,使用协同过滤算法进行旅游景点推荐。实验结果表明:协同过滤算法完全可用于旅游景点推荐。 相似文献
10.
推荐系统作为一种筛选信息的工具,可以更加有效地解决“信息过载”问题,以个性化的方式提供满足用户需求的内容。本文根据基于内容的推荐算法和基于用户的协同过滤算法优缺点,将两种算法相结合,构建出基于混合算法的推荐系统,改善了数据稀疏性问题。具体介绍了混合推荐系统的设计思路和实现方法,在中国数字科技馆网站建设中进行应用。解决了网站科普资源个性化匹配不精准、优质资源曝光度不够等问题。 相似文献
11.
针对传统新闻推荐的数据稀疏性和用户的兴趣爱好快速变化问题,提出了一种融合社交关系和标签信息的混合新闻推荐算法。首先,该算法充分利用社交网络中的社交关系和标签信息;然后使用概率主题模型(latent Dirichlet allocation,LDA)对用户兴趣进行建模;最后采用基于内容与协同过滤相结合的混合推荐算法来完成新闻推荐。实验结果表明,所提算法与已有的推荐算法相比较,在精确度上提升了10.7%、平均倒数排名上(mean reciprocal rank,MRR)提升了4.1%,在归一化折损累计增益(normalized discounted cumulative gain,NDCG)上提升了10%。该算法可在一定程度上提高新闻推荐算法的精度及推荐质量。 相似文献
12.
由于标签是由用户根据自己的理解和喜好随意进行标注的因此存在大量的噪声标签,导致基于标签的推荐系统准确率不高.针对这种情况,提出了结合评分信息熵的标签推荐算法.算法通过判断用户在标注标签的评分稳定程度来确定该标签对于用户的重要性从而过滤掉噪声标签将重要标签赋予较高权重,并构建用户的兴趣模型,最后应用到协同过滤算法中产生推荐.该算法能有效地利用评分权重并结合信息熵来增强推荐准确率,与以往的基于标签的推荐算法进行对比,能获得满意的推荐效果. 相似文献
13.
传统的矩阵因子分解模型不能有效提取用户和物品特征,而基于深度学习模型可以很好地提取特征信息。当前,主流的基于深度学习推荐算法只是单一地将神经网络的输出或物品特征与用户特征乘积的形式来做推荐预测,不能充分挖掘用户和物品之间的关系。基于此,本文提出一种基于文本卷积神经网络与带偏置项的奇异值分解(BiasSVD)结合的推荐算法,利用文本卷积神经网络(TextCNN)来充分提取用户和物品的特征信息,然后用奇异值分解方法来做推荐,深层次理解文档上下文信息,进一步提高推荐的准确性。将该算法在MovieLens的2个真实数据集上做广泛的评估分析,推荐的准确度要明显优于ConvMF算法及主流深度学习推荐算法。 相似文献
14.
15.
16.
17.
针对目前协同过滤推荐算法的推荐质量和推荐效率低的问题,提出了一种基于改进蜂群K-means聚类模型的协同过滤推荐算法。首先,根据用户属性信息,采用改进蜂群K-means算法对用户进行聚类,建立用户聚类模型;然后,计算目标用户与用户聚类模型中各聚类中心的距离,其中距离最近的类为目标用户的检索空间;最后,从检索空间中依据用户-项目评分矩阵通过相似度计算搜索目标用户的最近邻居,由最近邻居的信息产生推荐列表。实验结果表明,该算法降低了平均绝对误差值,缩短了运行时间,提高了推荐质量和推荐效率。 相似文献
18.
19.
.一种优化的基于项目评分预测的协同过滤推荐算法* 总被引:1,自引:1,他引:0
通过分析在用户评分数据极端稀疏的情况下,现有的基于项目评分预测的协同过滤推荐算法中项目之间的相似性度量不准确以及新项目的冷开始问题,提出了一种优化的基于项目评分预测的协同过滤推荐算法。该算法在计算项目之间的相似性时,既考虑了项目的评分相似性,又考虑了项目的特征属性相似性。实验表明,优化后的算法使计算出的项目之间的相似性更准确,并有效地解决了新项目的推荐问题,使得数据稀疏性对推荐结果的负面影响变小,显著提高了系统的推荐质量。 相似文献