• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于Fisher線性判別分析的情景感知推薦方法

    2018-03-19 06:28:48
    關(guān)鍵詞:指代列表視圖

    楊 茜

    (鄭州大學(xué) 體育學(xué)院,河南 鄭州 450044)

    0 引 言

    “信息過(guò)載”導(dǎo)致了互聯(lián)網(wǎng)內(nèi)容服務(wù)提供商難以為不同的用戶推薦符合其偏好的資源。而隨著搜索技術(shù)與檢索技術(shù)的逐漸發(fā)展,能夠在一定程度上緩解這些問(wèn)題,由于不用的用戶對(duì)于個(gè)性化的需求各不相同,導(dǎo)致其并不能有效幫助用戶找到符合其興趣的偏好資源。

    在此需求背景下,許多的研究工作者對(duì)能夠解決上述問(wèn)題的推薦系統(tǒng)進(jìn)行了深入的研究,并給出了有效的推薦系統(tǒng)實(shí)現(xiàn)策略[1-3]。其中應(yīng)用范圍最廣、研究最深入的是協(xié)同過(guò)濾[2,3],而多數(shù)基于其的推薦預(yù)測(cè)系統(tǒng),僅僅致力于通過(guò)相似度判別方法找出用戶的k最近鄰,通過(guò)對(duì)k最近鄰行為的分析來(lái)找出當(dāng)前用戶可能的偏好資源。這種方法在面對(duì)冷啟動(dòng)[2]與數(shù)據(jù)稀疏性[3]問(wèn)題時(shí),對(duì)用戶的區(qū)分度較低,很難找到真正相似的最近鄰用戶,在這種情況下得出的推薦結(jié)果的可靠性相對(duì)較低,很難得出高質(zhì)量的推薦結(jié)果[4]。

    并且,上述推薦系統(tǒng)僅關(guān)注于“用戶-項(xiàng)目”間的二維關(guān)系模型,多以用戶間的歷史偏好數(shù)據(jù)為核心,通過(guò)度量用戶偏好行為間的交互影響關(guān)系,建立用戶的偏好預(yù)測(cè)模型。由于用戶偏好的產(chǎn)生受多種內(nèi)在與外界因素的影響,用戶的職業(yè)、年齡、所處上下文環(huán)境等都會(huì)影響用戶的偏好決策[5]。并且對(duì)于同一用戶而言,當(dāng)其所處的上下文環(huán)境發(fā)生變化,其偏好也會(huì)產(chǎn)生相應(yīng)的波動(dòng)[6],以位置上下文的影響為例,當(dāng)位置屬性為“家”時(shí),用戶會(huì)傾向于“電視節(jié)目”,當(dāng)位置屬性為“公共交通”時(shí),則會(huì)更傾向于“音樂(lè)”、“新聞資訊”等。上述推薦系統(tǒng)由于無(wú)法辨別用戶的位置等上下文環(huán)境差異,也就難以取得高質(zhì)量的推薦效果。

    隨著“泛在計(jì)算”等新型運(yùn)算模式的提出與發(fā)展,為主動(dòng)發(fā)現(xiàn)并處理用戶狀態(tài)、所處位置等上下文信息提供支撐數(shù)學(xué)模型,那么融合各種上下文信息的情景感知推薦系統(tǒng)逐漸成為了新的發(fā)展方向。在這種情況下,受多視圖學(xué)習(xí)相關(guān)理論啟發(fā),提出了一種基于線性判別分析的情景感知推薦方法,以期為相關(guān)情景感知推薦方法研究提供有益參考。

    1 相關(guān)工作

    情景感知推薦近年來(lái)的應(yīng)用與發(fā)展越來(lái)越廣泛與深入,主要的思路為將上下文信息融入偏好獲取過(guò)程或?qū)ι舷挛男畔⑦M(jìn)行建模分析,優(yōu)化用戶的偏好模型。例如,A.Karatzoglou等[7]提出了通過(guò)引入多種神經(jīng)元來(lái)融合上下文信息,以改進(jìn)協(xié)同過(guò)濾算法,提高了推薦準(zhǔn)確度;Gantner Z等[8]采用因式分解模型對(duì)電影上下文信息進(jìn)行建模分析,提高了電影推薦的準(zhǔn)確度;涂丹丹等[9]提出了一種基于聯(lián)合概率矩陣分級(jí)的情景感知廣告推送方法,提高了廣告推薦的精確度;郭晶晶等[10]基于物聯(lián)網(wǎng)面向虛擬社區(qū),提出了一種社會(huì)化網(wǎng)絡(luò)環(huán)境下,用戶群組間信任關(guān)系的推薦方法;顧梁等[11]面向播存網(wǎng)絡(luò)環(huán)境采用協(xié)同過(guò)濾算法實(shí)現(xiàn)了UCL推薦策略,等。

    這些方法多是基于上下文信息的建模來(lái)為用戶生成推薦服務(wù),也即是從單視圖角度建立用戶的偏好模型,難以全面的涵蓋影響用戶偏好的各種信息。并且這些方法多以提高推薦準(zhǔn)確度為度量準(zhǔn)則,未能兼顧多種度量標(biāo)準(zhǔn),影響了推薦質(zhì)量和推薦系統(tǒng)的大規(guī)模推廣應(yīng)用。

    而多視圖學(xué)習(xí)研究起源于Yarowsky[12],用多視圖解決圖像樣本特征分類(lèi)問(wèn)題,其定義比較寬泛,一般只要滿足“學(xué)習(xí)的數(shù)據(jù)可以用多視圖描述”,目前是樣本分類(lèi)、模型優(yōu)化與半監(jiān)督學(xué)習(xí)等領(lǐng)域的熱門(mén)研究方向,例如,將多視圖學(xué)習(xí)用戶復(fù)雜標(biāo)簽樣本分類(lèi)、手寫(xiě)數(shù)字識(shí)別等。在推薦領(lǐng)域,推薦的過(guò)程可以看作是樣本分類(lèi)的過(guò)程,即是以用戶偏好為分類(lèi)特征,相關(guān)的樣本數(shù)據(jù)采用多視圖來(lái)描述:可以從用戶、項(xiàng)目、內(nèi)容提供商等視圖對(duì)相關(guān)數(shù)據(jù)進(jìn)行描述,也即是推薦的產(chǎn)生可以轉(zhuǎn)換為多視圖優(yōu)化問(wèn)題。

    受此啟發(fā),本文提出了一種基于線性判別分析的情景感知推薦方法。該方法不僅降低了時(shí)間開(kāi)銷(xiāo),而且能夠同時(shí)提高推薦準(zhǔn)確度與多樣性,即是說(shuō)明了所提出方法能夠兼顧多種度量準(zhǔn)則。該方法的具體描述見(jiàn)下文。

    2 基于多視圖數(shù)據(jù)融合的情景感知推薦方法

    2.1 多視圖數(shù)據(jù)的獲取

    本文所采用的多視圖數(shù)據(jù)主要包括用戶視圖下的偏好項(xiàng)目特征數(shù)據(jù)與項(xiàng)目視圖下的項(xiàng)目吸引程度。其中,用戶視圖下的偏好項(xiàng)目特征數(shù)據(jù)表示基于用戶的歷史偏好行為,所建立起的描述其偏好項(xiàng)目特征的數(shù)據(jù)集合。其中用戶的歷史偏好信息多由評(píng)分矩陣表述(見(jiàn)表1),Pij指代用戶Ui對(duì)于任意項(xiàng)目Ij的歷史偏好值,偏好程度與Pij的值為正相關(guān)關(guān)系。

    表1 用戶歷史偏好矩陣

    度量用戶間偏好相似程度的主流方法包括以下3種:余弦相似度[2]、修正的余弦相似度[3]、泊松相似度[7],3種度量策略的實(shí)現(xiàn)思路均為度量歷史偏好行為偏差程度,并對(duì)其差異程度采用歸一化的度量值表示。本文使用修正的余弦相似度方法作為偏好行為近似程度的度量策略,具體如下

    (1)

    在通過(guò)上述方法獲取偏好近鄰的基礎(chǔ)上,基于偏好近鄰的歷史偏好信息,建立用戶偏好項(xiàng)目的屬性特征描述,具體如下

    (2)

    (3)

    其中,CUip指代用戶Ui對(duì)于任意屬性p的偏好特征,KNN(Ui)表示獲取的用戶Ui的最近鄰用戶集合,cUjp指代Ui的任一近鄰用戶Uj對(duì)于p的平均偏好度量值,Ip為Uj的歷史偏好項(xiàng)目中,包含屬性p的項(xiàng)目集合,PUjm表示Uj對(duì)于項(xiàng)目m(m∈Ip)的歷史偏好值。

    基于項(xiàng)目視圖下的項(xiàng)目吸引力,指的是從項(xiàng)目視圖下度量項(xiàng)目對(duì)于用戶的吸引程度,能夠反映出項(xiàng)目被推薦的概率。其值越大表明項(xiàng)目被推薦的概率也就越大,推薦系統(tǒng)整體的項(xiàng)目吸引力能夠反映出用戶推薦列表對(duì)于項(xiàng)目整體的覆蓋程度。度量此值的目的在于減弱長(zhǎng)尾效應(yīng)[7],使每個(gè)項(xiàng)目能夠推薦至偏好它的用戶群組,而不是只推薦熱門(mén)資源,避免冷門(mén)資源越來(lái)越冷門(mén)。項(xiàng)目吸引力采用A(m,Ui) 表示,具體度量方法如下

    (4)

    2.2 多視圖數(shù)據(jù)融合

    (5)

    根據(jù)類(lèi)間離散度與類(lèi)內(nèi)離散度定義,各類(lèi)中的類(lèi)內(nèi)離散度矩陣可表示為

    (6)

    根據(jù)上述定義,總的類(lèi)內(nèi)離散度矩陣可由如下方式獲取

    Sk=Sk1+Sk2

    (7)

    類(lèi)間離散度矩陣如下

    St=(A1-A2)(A1-A2)T

    (8)

    其中,矩陣(A1-A2)(A1-A2)T是一種協(xié)方差矩陣,度量了所獲取的偏好特征與總體樣本數(shù)據(jù)間的約束程度,其對(duì)角線中的特征數(shù)據(jù)為偏好特征與樣本總體間的樣本方差,非對(duì)角線數(shù)據(jù)為樣本總體的協(xié)方差。也即是Aj指代樣本總體中各類(lèi)特征數(shù)據(jù)間的離散冗余程度,St指代各類(lèi)特征數(shù)據(jù)間的離散冗余程度。

    根據(jù)分類(lèi)準(zhǔn)則,需通過(guò)降低分類(lèi)后類(lèi)間特征數(shù)據(jù)的近似程度,提高類(lèi)內(nèi)特征數(shù)據(jù)的近似程度。那么,推薦結(jié)果的產(chǎn)生也就轉(zhuǎn)換成了找到使得Aj取得整體最小值,St取得整體最大值的分類(lèi)準(zhǔn)則。具體方法為將原兩類(lèi)樣本數(shù)據(jù)轉(zhuǎn)換為相應(yīng)維度的特征向量,并以任一向量C為方向進(jìn)行投影變換,如下

    (9)

    變換后的兩類(lèi)類(lèi)樣本均值為

    (10)

    變換后的類(lèi)內(nèi)離散度為

    =CTSkjC,j=1,2

    (11)

    變換后的類(lèi)間離散度為

    =CT(A1-A2)(A1-A2)TC

    =CTStC

    (12)

    對(duì)于轉(zhuǎn)換之后的偏好項(xiàng)目集合的特征數(shù)據(jù)需求仍然是,降低分類(lèi)后類(lèi)間特征數(shù)據(jù)的近似程度,提高類(lèi)內(nèi)特征數(shù)據(jù)的近似程度。為此,采用Fisher判別準(zhǔn)則進(jìn)行樣本數(shù)據(jù)優(yōu)化,具體如下

    (13)

    具體方法為以其判別準(zhǔn)則為優(yōu)化目標(biāo),獲得能夠使JFisher最大的投影方向,具體如下

    (14)

    使用Lagrange乘子法作為求解方法,設(shè)CTSkC為非零常數(shù)b,則

    L(C,δ)=CTStC-δ(CTSkC-b)

    (15)

    對(duì)C求偏導(dǎo)數(shù)可以得出

    (16)

    令偏導(dǎo)數(shù)為0,即是

    StC′=δSkC′

    (17)

    (18)

    3 實(shí)驗(yàn)與結(jié)果分析

    3.1 數(shù)據(jù)集

    實(shí)驗(yàn)選取擴(kuò)充后的BookCrossing數(shù)據(jù)集(數(shù)據(jù)集下載地址如下:http://www2.informatik.uni-freiburg.de/~cziegler/BX),并以此為基礎(chǔ)加入一定的上下文生成規(guī)則,構(gòu)建一個(gè)模擬真實(shí)數(shù)據(jù)集BookCrossing-MN。其中,核心數(shù)據(jù)集是從Book-Crossing圖書(shū)社區(qū)上采集的真實(shí)數(shù)據(jù)。其中共包含278 858名讀者對(duì)于271 379圖書(shū)的借閱、評(píng)價(jià)等行為信息記錄。BookCrossing-MN共包括如下幾部分:

    BC-MN-Users,讀者的ID、位置、年齡;

    BC-MN-Books,圖書(shū)的標(biāo)題、編號(hào)、所屬領(lǐng)域、出版社、作者、頁(yè)碼;

    BC-MN-Ratings,讀者對(duì)相應(yīng)圖書(shū)的偏好值;

    BC-MN-Contexts,包括時(shí)間、位置、狀態(tài)信息等上下文信息。

    3.2 算法度量準(zhǔn)則

    準(zhǔn)確度是衡量推薦系統(tǒng)質(zhì)量最直觀與最常用的度量準(zhǔn)則,能夠直接反映出推薦結(jié)果是否符合其偏好模型。其中P@R依據(jù)推薦列表中的Top-R個(gè)相關(guān)項(xiàng)目,并將其與測(cè)試集中訪問(wèn)頻次最高的Top-R個(gè)項(xiàng)目進(jìn)行對(duì)比,其值與準(zhǔn)確度為正相關(guān)關(guān)系

    (19)

    多樣性是另一個(gè)度量推薦效果的度量準(zhǔn)則,S(i,j)指代項(xiàng)目間的相似關(guān)系,|R|指代推薦列表的長(zhǎng)度,那么多樣性定義如下

    (20)

    3.3 實(shí)驗(yàn)及分析

    實(shí)驗(yàn)一:參數(shù)最優(yōu)取值實(shí)驗(yàn)

    參數(shù)α為歷史偏好行為次數(shù)與歷史偏好值對(duì)于項(xiàng)目吸引力影響的修正參數(shù),項(xiàng)目吸引力是從項(xiàng)目視圖下度量項(xiàng)目?jī)r(jià)值。其中,歷史偏好次數(shù)能夠反映出項(xiàng)目的熱門(mén)程度,歷史偏好值反映的是相應(yīng)項(xiàng)目符合用戶偏好的程度。本次實(shí)驗(yàn)將項(xiàng)目吸引度最大的項(xiàng)目作為相應(yīng)用戶的推薦列表,并采用覆蓋率作為度量準(zhǔn)則。具體如下

    (21)

    其中,|I|指代推薦系統(tǒng)中所有的項(xiàng)目數(shù)量,R(Ui)指代Ui的推薦列表,分子指代系統(tǒng)中所有用戶推薦列表的并集。

    在本次實(shí)驗(yàn)中,數(shù)據(jù)集的處理采用ABO方法[14],本文在每個(gè)參數(shù)實(shí)驗(yàn)節(jié)點(diǎn)運(yùn)算10次,并把其均值作為相應(yīng)度量結(jié)果值。并將本文數(shù)據(jù)集劃分為不同比例的訓(xùn)練集與測(cè)試集,經(jīng)過(guò)反復(fù)對(duì)比實(shí)驗(yàn),選取出有代表性的訓(xùn)練集比例,以及α取值(表2),對(duì)比結(jié)果如圖1~圖4所示。

    表2 參數(shù)α代表性取值

    由圖1~圖4可知:α取不同值的時(shí)候,訓(xùn)練集比例從小到大,算法的覆蓋率并無(wú)統(tǒng)一規(guī)律,說(shuō)明訓(xùn)練集比例對(duì)于覆蓋率顯著影響。另外,隨著推薦列表長(zhǎng)度的增加,覆蓋率隨之增加,說(shuō)明提高推薦列表長(zhǎng)度有助于獲得更高的覆蓋率。而其長(zhǎng)度應(yīng)依具體應(yīng)用環(huán)境控制在合適的范圍內(nèi)。原因在于:一方面減少算法時(shí)間開(kāi)銷(xiāo),另一方面由于數(shù)據(jù)集的稀疏性,增加推薦列表長(zhǎng)度會(huì)導(dǎo)致算法涵蓋不相關(guān)的偏好信息,影響推薦準(zhǔn)確度。綜合對(duì)比4個(gè)實(shí)驗(yàn)結(jié)果圖,隨著α的增加,本文方法的覆蓋率呈現(xiàn)出先增后減的趨勢(shì),并在α=1.21時(shí)取得最優(yōu)結(jié)果,因此在接下來(lái)的實(shí)驗(yàn)中,取α=1.21。

    圖1 20%數(shù)據(jù)為訓(xùn)練集的實(shí)驗(yàn)結(jié)果

    圖2 40%數(shù)據(jù)為訓(xùn)練集實(shí)驗(yàn)結(jié)果

    圖3 60%數(shù)據(jù)為訓(xùn)練集實(shí)驗(yàn)結(jié)果

    圖4 70%數(shù)據(jù)為訓(xùn)練集實(shí)驗(yàn)結(jié)果

    實(shí)驗(yàn)二:算法對(duì)比實(shí)驗(yàn)

    在獲取最優(yōu)參數(shù)的基礎(chǔ)上,將本文算法與現(xiàn)有的算法進(jìn)行實(shí)驗(yàn)分析對(duì)比。本文選取兩個(gè)有代表性的方法RNCF[13]和GBCR[14]。其中RNCF是不考慮上下文信息的推薦方法,主要思路為通過(guò)建立歸一化的評(píng)分體系,削弱用戶評(píng)分尺度的影響,并在此基礎(chǔ)上改進(jìn)協(xié)同過(guò)濾算法。而協(xié)同過(guò)濾算法是最具代表性并且應(yīng)用最廣泛的推薦方法。GBCR是通過(guò)圖模型對(duì)上下文信息建模,通過(guò)度量模型節(jié)點(diǎn)間相關(guān)關(guān)系生成偏好模型。GBCR是推薦系統(tǒng)最新的研究方向的代表性方法。由于RNCF不考慮上下文信息,所以只采用BC-MN-Ratings部分。

    (1)準(zhǔn)確性對(duì)比

    準(zhǔn)確度是目前度量推薦效果最常用的度量準(zhǔn)則,它能夠直觀的反映出所推薦項(xiàng)目是否符合用戶的偏好模型,其值越大表明推薦質(zhì)量越高,本文選取具有代表意義的實(shí)驗(yàn)結(jié)果如圖5和圖6所示。

    圖5 40%數(shù)據(jù)為訓(xùn)練集實(shí)驗(yàn)結(jié)果

    圖6 60%數(shù)據(jù)為訓(xùn)練集實(shí)驗(yàn)結(jié)果

    由圖5,圖6所示,在兩組對(duì)比實(shí)驗(yàn)結(jié)果上,本文算法與GBCR能夠相比于RNCF能夠取得更好的推薦準(zhǔn)確度,說(shuō)明在建立用戶偏好模型時(shí),考慮相關(guān)的上下文信息能夠提高推薦算法的推薦質(zhì)量。而本文算法相比于GBCR與RNCF,準(zhǔn)確度平均提升了13.54%、24.28%,說(shuō)明采用多視圖學(xué)習(xí)融合用戶偏好的多視圖數(shù)據(jù)能夠取得更好的推薦準(zhǔn)確度。

    (2)多樣性對(duì)比

    多樣性描述了推薦算法能否挖掘用戶潛在偏好的重要度量標(biāo)準(zhǔn)。在幾種不同比例訓(xùn)練集上進(jìn)行實(shí)驗(yàn)測(cè)試,選取出有代表性的40%與60%的訓(xùn)練集比例進(jìn)行對(duì)比實(shí)驗(yàn),見(jiàn)表3。

    表3 多樣性對(duì)比實(shí)驗(yàn)結(jié)果

    從表3可以看出,本文算法的多樣性優(yōu)于兩種對(duì)比算法,相比于GBCR與RNCF多樣性分別提升了26.42%與39.15%,也即是本文算法有更大的概率覆蓋用戶的潛在偏好。原因在于本文算法相比于兩個(gè)對(duì)比算法,采用了多視圖學(xué)習(xí)的方法融合了用戶偏好的多維特征,某種程度上降低了用戶歷史偏好的影響,豐富了推薦列表的多樣性。

    (3)時(shí)間復(fù)雜度對(duì)比

    環(huán)境為Intel(R)Core(TM)i3,主頻2.1G隨機(jī)HZ。選取50個(gè)用戶為一組,計(jì)算3種算法的平均時(shí)間開(kāi)銷(xiāo)。實(shí)驗(yàn)結(jié)果見(jiàn)表4(時(shí)間單位為s)。

    在表4中,第一列指代推薦列表長(zhǎng)度,由表中數(shù)據(jù)可知,隨著推薦列表的增加,3種算法的時(shí)間開(kāi)銷(xiāo)對(duì)隨之增加,并且初始推薦的時(shí)間開(kāi)銷(xiāo)(推薦列表長(zhǎng)度為10)較多,隨著推薦列表長(zhǎng)度的持續(xù)增加,時(shí)間開(kāi)銷(xiāo)的增加幅度逐漸減少。這是由于算法初次運(yùn)行時(shí)會(huì)計(jì)算出相關(guān)的中間變量,所需的時(shí)間開(kāi)銷(xiāo)較多。3個(gè)算法中,RNCF的時(shí)間開(kāi)銷(xiāo)最少,這是由于它只采用了評(píng)分?jǐn)?shù)據(jù),沒(méi)有采用上下文數(shù)據(jù),減少了時(shí)間開(kāi)銷(xiāo)。而本文算法的時(shí)間開(kāi)銷(xiāo)比GBCR減少約7.74%,說(shuō)明相比于現(xiàn)有的情景感知推薦方法,本文能夠降低算法的時(shí)間開(kāi)銷(xiāo)。

    表4 時(shí)間開(kāi)銷(xiāo)對(duì)比

    4 結(jié)束語(yǔ)

    情景感知推薦方法研究是目前人工智能研究熱點(diǎn)之一,國(guó)內(nèi)外各個(gè)研究機(jī)構(gòu)、大學(xué)和互聯(lián)網(wǎng)巨頭公司等都投入了大量的人力和物力進(jìn)行探索和研究。現(xiàn)有的情景感知推薦方法,多采用單視圖數(shù)據(jù)建立用戶的偏好模型,導(dǎo)致了推薦結(jié)果無(wú)法兼顧多種度量準(zhǔn)則,影響了推薦質(zhì)量。受多視圖學(xué)習(xí)相關(guān)理論啟發(fā),提出了一種基于線性判別分析的情景感知推薦方法,與現(xiàn)有的方法比較,本文方法不僅降低了時(shí)間開(kāi)銷(xiāo),而且準(zhǔn)確度平均提高18.91%,多樣性平均提高32.79%,即是說(shuō)明了所提出方法能夠兼顧多種度量準(zhǔn)則,提高了推薦質(zhì)量。

    [1]SUN Guangfu,WU Le,LIU Qi,et al.Recommendations based on collaborative filtering by exploiting sequential beha-viors[J].Journal of Software,2013,24(11):2711-2733(in Chinese).[孫光福,吳樂(lè),劉淇,等.基于時(shí)序行為的協(xié)同過(guò)濾推薦算法[J].軟件學(xué)報(bào),2013,24(11):2711-2733.]

    [2]WANG Xingmao,ZHANG Xingming.Collaborative recommendation algorithm based on contributor factor[J].Application Research of Computer,2015,32(12):132-136(in Chinese).[王興茂,張興明.基于貢獻(xiàn)因子的協(xié)同過(guò)濾推薦算法[J].計(jì)算機(jī)應(yīng)用研究,2015,32(12):132-136.]

    [3]WU Yueping,DU Yi.Collaboration filtering recommendation algorithm based on artificial fish swarm algorithm[J].Computer Engineering & Design,2012,33(5):1852-1856(in Chinese).[吳月萍,杜奕.基于人工魚(yú)群算法的協(xié)同過(guò)濾推薦算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2012,33(5):1852-1856.]

    [4]GAO Ming,JIN Cheqing,QIAN Weining,et al.Real-time and personalized recommendation on microblogging systems[J].Chinese Journal of Computers,2014,37(4):963-975(in Chinese).[高明,金澈清,錢(qián)衛(wèi)寧,等.面向微博系統(tǒng)的實(shí)時(shí)個(gè)性化推薦[J].計(jì)算機(jī)學(xué)報(bào),2014,37(4):963-975.]

    [5]Wu H,Yue K,Liu X,et al.Context-aware recommendation via graph-based contextual modeling and postfiltering[J].International Journal of Distributed Sensor Networks,2015(3):1-10.

    [6]Kim J,Lee D,Chung K Y.Item recommendation based on context-aware model for personalized u-healthcare service[J].Multimedia Tools and Applications,2013,71(2):855-872.

    [7]Karatzoglou A,Amatriain X,Baltrunas L,et al.Multiverse recommendation:N-dimensional tensor factorization for context-aware collaborative filtering[C]//Proceedings of the Fourth ACM Conference on Recommender Systems.New York:ACM,2013:79-86.

    [8]Gantner Z,Rendle S,ST L.Factorization models for context-/time-aware movie recommendations[C]//Processing of the Recsys Workshop on CAMRa.New York:ACM press,2014:14-19.

    [9]TU Dandan,SHU Chengchun.Using unified probabilistic matrix factorization for contexual advertisement recommendation[J].Journal of Software,2013,24(3):454-464(in Chinese).[涂丹丹,舒承椿.基于聯(lián)合概率矩陣分級(jí)的上下文廣告推薦算法[J].軟件學(xué)報(bào),2013,24(3):454-464.]

    [10]GUO Jingjing,MA Jianfeng.Trust recommendation algorithm for virtual community based interest of things[J].Journal of XiDian University,2015,42(2):52-57(in Chinese).[郭晶晶,馬建峰.面向虛擬社區(qū)物聯(lián)網(wǎng)的信任推薦算法[J].計(jì)算機(jī)研究與發(fā)展,2015,42(2):52-57.]

    [11]GU Liang,YANG Peng,LUO Junzhou.A collaborative filtering recommedation method for UCL in broadcast-storage network[J].Journal of Computer Research and Development,2015,52(2):475-486(in Chinese).[顧梁,楊鵬,羅軍舟.一種播存網(wǎng)絡(luò)環(huán)境下的UCL協(xié)同過(guò)濾推薦方法[J].計(jì)算機(jī)研究與發(fā)展,2015,52(2):475-486.]

    [12]Baltrunas L,Ricci F.Experimental evaluation of context-dependent collaborative filtering using item splitting[J].User Modeling and User-Adapted Interaction,2014,24(1):7-34.

    [13]Kim S C,Sung K J,Park C S,et al.Improvement of colla-borative filtering using rating normalization[J].Multimedia Tools and Applications,2013,6(2):1-12.

    [14]Wu H,Yue K,Liu X,et al.Context-aware recommendation via graph-based contextual modeling and postfiltering[J].International Journal of Distributed Sensor Networks,2015,21(3):1-10.

    猜你喜歡
    指代列表視圖
    巧用列表來(lái)推理
    Let’s Save Food To Fight Hunger
    奧卡姆和布列丹對(duì)指代劃分的比較
    學(xué)習(xí)運(yùn)用列表法
    擴(kuò)列吧
    5.3 視圖與投影
    視圖
    Y—20重型運(yùn)輸機(jī)多視圖
    SA2型76毫米車(chē)載高炮多視圖
    “不一而足”話討論
    肉色欧美久久久久久久蜜桃| 午夜福利免费观看在线| 国产在线免费精品| 无限看片的www在线观看| 中文字幕人妻丝袜一区二区| 免费在线观看日本一区| 日本黄色视频三级网站网址 | 男女床上黄色一级片免费看| 少妇猛男粗大的猛烈进出视频| 亚洲av第一区精品v没综合| 飞空精品影院首页| 国产男女内射视频| 国产欧美亚洲国产| 又紧又爽又黄一区二区| 国产区一区二久久| 国产一区二区三区综合在线观看| 曰老女人黄片| 两人在一起打扑克的视频| 十八禁网站网址无遮挡| 国产精品免费视频内射| 国产av又大| 日日夜夜操网爽| 少妇裸体淫交视频免费看高清 | 91老司机精品| 国产日韩欧美亚洲二区| 啪啪无遮挡十八禁网站| 蜜桃国产av成人99| 天堂8中文在线网| 亚洲欧美一区二区三区黑人| 精品国产超薄肉色丝袜足j| 久久久久国产一级毛片高清牌| 国产xxxxx性猛交| 国精品久久久久久国模美| 久久中文字幕人妻熟女| 婷婷成人精品国产| 18禁黄网站禁片午夜丰满| 好男人电影高清在线观看| svipshipincom国产片| 91av网站免费观看| 18禁观看日本| 黄色怎么调成土黄色| 午夜福利在线观看吧| 亚洲国产看品久久| 一本综合久久免费| 国产色视频综合| 亚洲自偷自拍图片 自拍| 国产成人影院久久av| 91九色精品人成在线观看| 日韩一卡2卡3卡4卡2021年| 大型av网站在线播放| 涩涩av久久男人的天堂| 国产麻豆69| 成人三级做爰电影| 日韩大码丰满熟妇| 久久久久精品人妻al黑| 欧美精品啪啪一区二区三区| 制服诱惑二区| www.999成人在线观看| 每晚都被弄得嗷嗷叫到高潮| 操美女的视频在线观看| 日韩视频一区二区在线观看| 免费日韩欧美在线观看| e午夜精品久久久久久久| 国产又色又爽无遮挡免费看| 色老头精品视频在线观看| 大码成人一级视频| 亚洲欧美一区二区三区黑人| 另类精品久久| 淫妇啪啪啪对白视频| 亚洲av国产av综合av卡| 国产成人系列免费观看| 午夜91福利影院| 国产精品 国内视频| 免费少妇av软件| 亚洲午夜精品一区,二区,三区| 久久精品国产99精品国产亚洲性色 | 99re在线观看精品视频| 国产成人影院久久av| 汤姆久久久久久久影院中文字幕| 欧美精品啪啪一区二区三区| 高清欧美精品videossex| 免费观看a级毛片全部| 肉色欧美久久久久久久蜜桃| 欧美黑人精品巨大| 久久精品国产亚洲av香蕉五月 | 欧美精品一区二区免费开放| 亚洲成av片中文字幕在线观看| 老熟妇乱子伦视频在线观看| 真人做人爱边吃奶动态| 99久久国产精品久久久| 成人免费观看视频高清| 五月开心婷婷网| 岛国毛片在线播放| 国产男靠女视频免费网站| 麻豆成人av在线观看| 一区二区三区国产精品乱码| 久久久精品94久久精品| 最新在线观看一区二区三区| 国产熟女午夜一区二区三区| 叶爱在线成人免费视频播放| 亚洲精品美女久久久久99蜜臀| 久久国产精品男人的天堂亚洲| 不卡一级毛片| 激情在线观看视频在线高清 | 成人三级做爰电影| 国产极品粉嫩免费观看在线| 视频在线观看一区二区三区| 久久中文字幕一级| 日本精品一区二区三区蜜桃| 精品国产一区二区三区四区第35| 好男人电影高清在线观看| 国产精品1区2区在线观看. | 另类亚洲欧美激情| 久久国产亚洲av麻豆专区| 国产黄色免费在线视频| 亚洲精品美女久久久久99蜜臀| 亚洲 国产 在线| 男女午夜视频在线观看| 欧美日韩精品网址| 国产无遮挡羞羞视频在线观看| 午夜激情久久久久久久| 久久久国产成人免费| 欧美成狂野欧美在线观看| 欧美精品高潮呻吟av久久| 曰老女人黄片| 777久久人妻少妇嫩草av网站| 水蜜桃什么品种好| 午夜福利影视在线免费观看| 伦理电影免费视频| av片东京热男人的天堂| 一区在线观看完整版| 午夜精品久久久久久毛片777| 国产精品 国内视频| 国内毛片毛片毛片毛片毛片| 欧美日韩亚洲综合一区二区三区_| 欧美激情 高清一区二区三区| 久久久久久免费高清国产稀缺| av免费在线观看网站| 淫妇啪啪啪对白视频| 午夜激情久久久久久久| 亚洲avbb在线观看| 国产人伦9x9x在线观看| 久久久国产成人免费| av超薄肉色丝袜交足视频| 国产一区二区三区在线臀色熟女 | av超薄肉色丝袜交足视频| 一夜夜www| 国产精品九九99| 精品少妇黑人巨大在线播放| 久热这里只有精品99| 亚洲成人免费av在线播放| 蜜桃国产av成人99| 成年版毛片免费区| 老司机深夜福利视频在线观看| 成人精品一区二区免费| 中文字幕最新亚洲高清| 久久久久久亚洲精品国产蜜桃av| 免费在线观看黄色视频的| 国产精品成人在线| 人人妻人人澡人人爽人人夜夜| 精品乱码久久久久久99久播| 久久亚洲精品不卡| 丁香欧美五月| 一区二区日韩欧美中文字幕| 成年人午夜在线观看视频| 久久ye,这里只有精品| 免费av中文字幕在线| 国产精品一区二区免费欧美| 久久99热这里只频精品6学生| 亚洲色图综合在线观看| 黑人操中国人逼视频| 国产单亲对白刺激| 最新的欧美精品一区二区| 汤姆久久久久久久影院中文字幕| 欧美精品一区二区免费开放| 99精品久久久久人妻精品| av有码第一页| 久久久久精品人妻al黑| 国产欧美日韩一区二区三| 丁香欧美五月| 国产精品1区2区在线观看. | 中亚洲国语对白在线视频| 国产欧美日韩精品亚洲av| 巨乳人妻的诱惑在线观看| 黄色 视频免费看| 欧美亚洲日本最大视频资源| 欧美日韩黄片免| 黑人巨大精品欧美一区二区蜜桃| 免费看a级黄色片| 嫩草影视91久久| 亚洲精品在线美女| 天堂俺去俺来也www色官网| 麻豆成人av在线观看| 久热爱精品视频在线9| 久久久久网色| 精品福利观看| 国产精品98久久久久久宅男小说| 黄色成人免费大全| 亚洲五月色婷婷综合| 9热在线视频观看99| 在线 av 中文字幕| 五月天丁香电影| 亚洲精品一卡2卡三卡4卡5卡| 久久午夜综合久久蜜桃| 亚洲人成伊人成综合网2020| 精品久久久久久电影网| 免费av中文字幕在线| 老司机深夜福利视频在线观看| 久久99热这里只频精品6学生| 亚洲情色 制服丝袜| 免费一级毛片在线播放高清视频 | 夜夜骑夜夜射夜夜干| 国产精品1区2区在线观看. | 桃红色精品国产亚洲av| 久久九九热精品免费| 日韩中文字幕视频在线看片| 欧美久久黑人一区二区| 自拍欧美九色日韩亚洲蝌蚪91| 99热网站在线观看| 大片电影免费在线观看免费| 国产aⅴ精品一区二区三区波| 9色porny在线观看| 国产成人欧美在线观看 | 一区二区av电影网| 欧美精品一区二区免费开放| 免费不卡黄色视频| 精品午夜福利视频在线观看一区 | 亚洲中文日韩欧美视频| 亚洲欧美一区二区三区久久| 国产精品亚洲一级av第二区| 久久精品国产a三级三级三级| 精品人妻1区二区| 成人国产一区最新在线观看| 亚洲av成人不卡在线观看播放网| 免费看a级黄色片| av在线播放免费不卡| 欧美老熟妇乱子伦牲交| 日韩三级视频一区二区三区| 国产av精品麻豆| 亚洲av欧美aⅴ国产| 青草久久国产| 亚洲国产av影院在线观看| 国产97色在线日韩免费| 国产精品久久电影中文字幕 | 叶爱在线成人免费视频播放| 久久人妻熟女aⅴ| 日韩人妻精品一区2区三区| 成年人黄色毛片网站| 别揉我奶头~嗯~啊~动态视频| 两人在一起打扑克的视频| 国产精品免费大片| 丰满迷人的少妇在线观看| 亚洲欧美日韩高清在线视频 | 巨乳人妻的诱惑在线观看| 亚洲成人免费av在线播放| 久久毛片免费看一区二区三区| 国产精品av久久久久免费| 亚洲熟女精品中文字幕| 国产精品久久电影中文字幕 | 国产成人影院久久av| 国产成人影院久久av| 欧美日韩成人在线一区二区| 菩萨蛮人人尽说江南好唐韦庄| 欧美久久黑人一区二区| 色老头精品视频在线观看| av线在线观看网站| 成人国产一区最新在线观看| 国产精品久久久av美女十八| 精品少妇黑人巨大在线播放| 国产精品自产拍在线观看55亚洲 | avwww免费| 啦啦啦 在线观看视频| 十八禁人妻一区二区| 大码成人一级视频| 国产在线精品亚洲第一网站| 一区二区三区乱码不卡18| 国产精品久久久久久精品古装| 乱人伦中国视频| 在线观看免费视频网站a站| 国产成人精品无人区| 欧美日韩福利视频一区二区| 亚洲精品国产色婷婷电影| 热re99久久国产66热| 国产精品久久久久久精品古装| 女人高潮潮喷娇喘18禁视频| 乱人伦中国视频| 欧美午夜高清在线| 天天添夜夜摸| 亚洲av第一区精品v没综合| 亚洲熟女精品中文字幕| 久久久久国产一级毛片高清牌| 91老司机精品| 色婷婷久久久亚洲欧美| 黄色 视频免费看| av在线播放免费不卡| 性高湖久久久久久久久免费观看| 夜夜爽天天搞| 日本vs欧美在线观看视频| 欧美大码av| 在线观看舔阴道视频| 国产日韩欧美视频二区| 不卡一级毛片| 欧美日韩亚洲高清精品| 天天影视国产精品| 亚洲精品美女久久av网站| 欧美日韩一级在线毛片| 国产精品电影一区二区三区 | 在线播放国产精品三级| 天堂8中文在线网| 国产老妇伦熟女老妇高清| 精品国产超薄肉色丝袜足j| 午夜福利一区二区在线看| 国产精品 国内视频| 国产精品欧美亚洲77777| 黄色成人免费大全| 精品乱码久久久久久99久播| 高清黄色对白视频在线免费看| 午夜老司机福利片| 亚洲欧洲日产国产| 女性被躁到高潮视频| 国产成人系列免费观看| 精品免费久久久久久久清纯 | 十八禁网站免费在线| 免费观看av网站的网址| 视频区图区小说| av国产精品久久久久影院| 欧美亚洲日本最大视频资源| 成年动漫av网址| 啪啪无遮挡十八禁网站| 午夜成年电影在线免费观看| 麻豆成人av在线观看| 1024香蕉在线观看| 亚洲国产精品一区二区三区在线| 欧美日韩一级在线毛片| 中文字幕av电影在线播放| 成人特级黄色片久久久久久久 | 久久久久精品人妻al黑| 如日韩欧美国产精品一区二区三区| 国产精品一区二区免费欧美| 又紧又爽又黄一区二区| 国产精品麻豆人妻色哟哟久久| 国产免费现黄频在线看| tocl精华| 亚洲精品国产色婷婷电影| 亚洲自偷自拍图片 自拍| 悠悠久久av| 亚洲男人天堂网一区| 男女边摸边吃奶| 久久久久国产一级毛片高清牌| netflix在线观看网站| 亚洲国产成人一精品久久久| 18禁国产床啪视频网站| 亚洲国产欧美一区二区综合| 桃花免费在线播放| 亚洲成人手机| 日韩免费av在线播放| 80岁老熟妇乱子伦牲交| 亚洲一码二码三码区别大吗| 日韩大片免费观看网站| 午夜91福利影院| 不卡一级毛片| 精品视频人人做人人爽| 91av网站免费观看| 大片电影免费在线观看免费| 久久国产精品影院| 十八禁网站免费在线| 欧美日韩福利视频一区二区| 亚洲欧美一区二区三区久久| 搡老岳熟女国产| 久久人妻熟女aⅴ| 色婷婷av一区二区三区视频| 精品一区二区三区av网在线观看 | 国产日韩欧美亚洲二区| 亚洲av日韩在线播放| 伦理电影免费视频| 国产亚洲一区二区精品| 精品亚洲成a人片在线观看| 亚洲成人国产一区在线观看| 久久精品亚洲av国产电影网| 精品一区二区三区av网在线观看 | 国产男靠女视频免费网站| 亚洲男人天堂网一区| 成年人黄色毛片网站| 久久青草综合色| 精品亚洲成a人片在线观看| 亚洲国产精品一区二区三区在线| 91麻豆av在线| 老熟妇乱子伦视频在线观看| 精品乱码久久久久久99久播| 国产精品偷伦视频观看了| 法律面前人人平等表现在哪些方面| 欧美精品亚洲一区二区| 一二三四社区在线视频社区8| 久久久精品国产亚洲av高清涩受| 一本久久精品| 99re在线观看精品视频| 国产成人精品久久二区二区91| 欧美一级毛片孕妇| av不卡在线播放| 日韩成人在线观看一区二区三区| 国产伦人伦偷精品视频| 自拍欧美九色日韩亚洲蝌蚪91| 老司机深夜福利视频在线观看| 天天躁狠狠躁夜夜躁狠狠躁| 天堂中文最新版在线下载| 一本—道久久a久久精品蜜桃钙片| 一本大道久久a久久精品| 精品亚洲成a人片在线观看| 91av网站免费观看| 777米奇影视久久| 欧美日韩精品网址| 久久天堂一区二区三区四区| 桃红色精品国产亚洲av| 国产日韩一区二区三区精品不卡| 热re99久久精品国产66热6| 国产成人精品在线电影| 人人妻人人澡人人看| 精品高清国产在线一区| 亚洲美女黄片视频| a在线观看视频网站| 黄色毛片三级朝国网站| 美女午夜性视频免费| 免费人妻精品一区二区三区视频| 国产av国产精品国产| 欧美av亚洲av综合av国产av| 亚洲精华国产精华精| 黑人欧美特级aaaaaa片| 欧美日韩精品网址| 中文字幕人妻丝袜一区二区| 热99re8久久精品国产| 精品国内亚洲2022精品成人 | 午夜激情久久久久久久| 麻豆成人av在线观看| 女性被躁到高潮视频| 两个人免费观看高清视频| 日韩有码中文字幕| 亚洲自偷自拍图片 自拍| 国产又色又爽无遮挡免费看| 亚洲精华国产精华精| 黑人猛操日本美女一级片| 女人被躁到高潮嗷嗷叫费观| 久久人妻熟女aⅴ| 午夜免费鲁丝| 亚洲精品在线观看二区| 香蕉丝袜av| 2018国产大陆天天弄谢| 日韩中文字幕欧美一区二区| 欧美黑人欧美精品刺激| 操出白浆在线播放| 夜夜骑夜夜射夜夜干| 一区二区日韩欧美中文字幕| 青草久久国产| 久久国产亚洲av麻豆专区| 国产日韩欧美亚洲二区| 亚洲av欧美aⅴ国产| 9色porny在线观看| av线在线观看网站| 大型av网站在线播放| 黄片播放在线免费| 十八禁高潮呻吟视频| 男女下面插进去视频免费观看| 最近最新中文字幕大全电影3 | 欧美黑人精品巨大| 成人黄色视频免费在线看| 咕卡用的链子| 国产精品久久久人人做人人爽| 亚洲av国产av综合av卡| 啦啦啦视频在线资源免费观看| 欧美精品高潮呻吟av久久| 99riav亚洲国产免费| 中文字幕高清在线视频| 欧美精品高潮呻吟av久久| 久久久久国内视频| 午夜福利视频精品| 亚洲第一av免费看| 超色免费av| 热re99久久国产66热| 日韩精品免费视频一区二区三区| 两性夫妻黄色片| 午夜福利影视在线免费观看| 久久天堂一区二区三区四区| 三级毛片av免费| 国产精品一区二区精品视频观看| 日韩三级视频一区二区三区| 久久久国产一区二区| 搡老岳熟女国产| 狂野欧美激情性xxxx| 极品少妇高潮喷水抽搐| 18禁黄网站禁片午夜丰满| 一区二区三区国产精品乱码| 变态另类成人亚洲欧美熟女 | 日韩熟女老妇一区二区性免费视频| 成人18禁高潮啪啪吃奶动态图| 免费在线观看完整版高清| 欧美中文综合在线视频| 久久国产精品男人的天堂亚洲| 国产成人欧美在线观看 | 国产真人三级小视频在线观看| 大码成人一级视频| 日韩精品免费视频一区二区三区| 大片电影免费在线观看免费| 在线观看免费视频网站a站| av网站在线播放免费| 免费少妇av软件| 成年女人毛片免费观看观看9 | 视频区欧美日本亚洲| 久久久久久亚洲精品国产蜜桃av| 久久婷婷成人综合色麻豆| 亚洲av欧美aⅴ国产| 欧美人与性动交α欧美软件| 成年人免费黄色播放视频| 国产精品欧美亚洲77777| 亚洲精品在线观看二区| 欧美成狂野欧美在线观看| 国产精品国产高清国产av | 久久av网站| www.精华液| 亚洲国产毛片av蜜桃av| 男人操女人黄网站| 亚洲专区国产一区二区| 在线看a的网站| 一本大道久久a久久精品| 大陆偷拍与自拍| 男男h啪啪无遮挡| 亚洲,欧美精品.| 午夜激情久久久久久久| 免费黄频网站在线观看国产| 在线观看免费日韩欧美大片| 午夜激情av网站| 丝袜美腿诱惑在线| 精品高清国产在线一区| 十八禁网站免费在线| av天堂久久9| avwww免费| 女人精品久久久久毛片| 自线自在国产av| 中文字幕人妻熟女乱码| 亚洲欧美日韩另类电影网站| 在线看a的网站| 一区二区三区乱码不卡18| 亚洲精品国产精品久久久不卡| 国产精品欧美亚洲77777| 免费少妇av软件| 久久久久视频综合| 十八禁高潮呻吟视频| 电影成人av| av不卡在线播放| 俄罗斯特黄特色一大片| 大片免费播放器 马上看| 岛国毛片在线播放| 国产在线精品亚洲第一网站| 在线亚洲精品国产二区图片欧美| 一夜夜www| 王馨瑶露胸无遮挡在线观看| 久久精品国产亚洲av香蕉五月 | 19禁男女啪啪无遮挡网站| 久久ye,这里只有精品| 久久精品国产亚洲av香蕉五月 | 国产精品美女特级片免费视频播放器 | 国产亚洲精品久久久久5区| 多毛熟女@视频| 国产日韩欧美在线精品| 99热网站在线观看| 午夜精品国产一区二区电影| 久久九九热精品免费| 搡老熟女国产l中国老女人| 日韩欧美一区二区三区在线观看 | 一个人免费在线观看的高清视频| 亚洲综合色网址| 欧美av亚洲av综合av国产av| 免费看十八禁软件| 色播在线永久视频| 亚洲精品美女久久av网站| 国产一区二区 视频在线| 国产免费av片在线观看野外av| 操出白浆在线播放| 手机成人av网站| 一个人免费在线观看的高清视频| 黄色a级毛片大全视频| 精品乱码久久久久久99久播| 成人18禁在线播放| 精品一品国产午夜福利视频| 久久精品国产99精品国产亚洲性色 | 亚洲精华国产精华精| 下体分泌物呈黄色| 免费观看人在逋| 日韩免费高清中文字幕av| 天天添夜夜摸| 成人精品一区二区免费| 国产在线免费精品| 日日夜夜操网爽| 19禁男女啪啪无遮挡网站| 免费在线观看日本一区| 精品少妇黑人巨大在线播放| 黄片播放在线免费| 人妻一区二区av| 天堂8中文在线网| 国产亚洲欧美在线一区二区| 色综合婷婷激情| 国产免费现黄频在线看| 在线观看免费高清a一片| 岛国毛片在线播放| 精品高清国产在线一区| 亚洲av电影在线进入| 精品久久久精品久久久| 少妇裸体淫交视频免费看高清 | 精品久久蜜臀av无| 精品视频人人做人人爽| 国产亚洲午夜精品一区二区久久| 两个人免费观看高清视频| 国产精品一区二区在线不卡| 男女床上黄色一级片免费看| 黄色怎么调成土黄色| 亚洲精品国产精品久久久不卡| 精品少妇内射三级|