• <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
    eeuss影院久久| 最新在线观看一区二区三区| 我的女老师完整版在线观看| 免费av不卡在线播放| 亚州av有码| 国产aⅴ精品一区二区三区波| 观看美女的网站| 欧美日韩一区二区视频在线观看视频在线 | 在线观看av片永久免费下载| 亚洲欧美清纯卡通| 免费看a级黄色片| 久久久a久久爽久久v久久| 狂野欧美激情性xxxx在线观看| 精品一区二区三区人妻视频| 成人av在线播放网站| av中文乱码字幕在线| 真人做人爱边吃奶动态| 亚洲av熟女| 日本五十路高清| 久久久久久久亚洲中文字幕| 一级毛片久久久久久久久女| 国产精品久久久久久亚洲av鲁大| 成人综合一区亚洲| 午夜激情欧美在线| 免费看美女性在线毛片视频| eeuss影院久久| 国产视频一区二区在线看| 欧美最黄视频在线播放免费| 能在线免费观看的黄片| 亚洲自偷自拍三级| 久久精品91蜜桃| 国产高清三级在线| 国产人妻一区二区三区在| 天堂√8在线中文| 国产爱豆传媒在线观看| 亚洲欧美成人精品一区二区| 熟女人妻精品中文字幕| 噜噜噜噜噜久久久久久91| 午夜福利18| 又黄又爽又免费观看的视频| 直男gayav资源| 精品久久久久久久末码| 亚洲av美国av| 日本免费一区二区三区高清不卡| 成人综合一区亚洲| 秋霞在线观看毛片| 欧美日韩乱码在线| 婷婷色综合大香蕉| 人人妻人人澡人人爽人人夜夜 | 久久欧美精品欧美久久欧美| 欧美潮喷喷水| 在线免费十八禁| 噜噜噜噜噜久久久久久91| 亚洲成人久久性| 国产成人a区在线观看| 给我免费播放毛片高清在线观看| 国产精品免费一区二区三区在线| 成人毛片a级毛片在线播放| 伦精品一区二区三区| 丝袜喷水一区| 久久精品夜色国产| 日日摸夜夜添夜夜爱| 亚洲美女视频黄频| 蜜臀久久99精品久久宅男| 成人毛片a级毛片在线播放| 国产av麻豆久久久久久久| 夜夜夜夜夜久久久久| 嫩草影院新地址| 日韩欧美一区二区三区在线观看| ponron亚洲| 国产亚洲精品av在线| 成年女人毛片免费观看观看9| 免费搜索国产男女视频| 国产国拍精品亚洲av在线观看| 色在线成人网| 国产成人freesex在线 | 国产激情偷乱视频一区二区| 免费观看人在逋| 国产三级中文精品| 亚洲色图av天堂| 亚洲三级黄色毛片| 日本一二三区视频观看| 麻豆国产97在线/欧美| 中文字幕av成人在线电影| 真人做人爱边吃奶动态| av女优亚洲男人天堂| 最近中文字幕高清免费大全6| 日韩制服骚丝袜av| 亚洲一区二区三区色噜噜| 99热精品在线国产| 国产精品美女特级片免费视频播放器| 免费观看人在逋| 九九久久精品国产亚洲av麻豆| 国产精品久久久久久久电影| 欧美最黄视频在线播放免费| 亚洲人与动物交配视频| 我要搜黄色片| 国产蜜桃级精品一区二区三区| 99国产极品粉嫩在线观看| 人妻制服诱惑在线中文字幕| 国产欧美日韩精品一区二区| 亚洲人与动物交配视频| 国产高清有码在线观看视频| 一级毛片电影观看 | 国产精品一区www在线观看| 欧美一区二区精品小视频在线| 真实男女啪啪啪动态图| 亚洲婷婷狠狠爱综合网| 一级毛片电影观看 | 国产成人精品久久久久久| av在线老鸭窝| 久久精品夜色国产| 狠狠狠狠99中文字幕| 久久久成人免费电影| 欧美又色又爽又黄视频| 亚洲精品一卡2卡三卡4卡5卡| 亚洲丝袜综合中文字幕| 成熟少妇高潮喷水视频| 麻豆精品久久久久久蜜桃| 亚洲五月天丁香| 久久久久久国产a免费观看| 国产精品一及| 国产av在哪里看| 你懂的网址亚洲精品在线观看 | 精品熟女少妇av免费看| 观看免费一级毛片| 午夜精品国产一区二区电影 | 久久精品国产亚洲av香蕉五月| 插逼视频在线观看| 天堂av国产一区二区熟女人妻| 一边摸一边抽搐一进一小说| 亚洲精品国产成人久久av| 欧美日韩在线观看h| av福利片在线观看| 亚洲三级黄色毛片| 中出人妻视频一区二区| 在线免费观看不下载黄p国产| 久久久精品欧美日韩精品| 99国产极品粉嫩在线观看| 欧美最新免费一区二区三区| 99精品在免费线老司机午夜| 99久国产av精品| 一夜夜www| 成人三级黄色视频| 精品久久久久久成人av| 亚洲性夜色夜夜综合| 亚洲av美国av| 欧美日韩精品成人综合77777| 色哟哟哟哟哟哟| 成人永久免费在线观看视频| 性欧美人与动物交配| 日韩亚洲欧美综合| 两个人视频免费观看高清| 欧美一区二区国产精品久久精品| 亚洲欧美日韩高清专用| 精品国产三级普通话版| 亚洲美女黄片视频| 成人亚洲欧美一区二区av| 国产精品野战在线观看| 亚洲天堂国产精品一区在线| 免费看av在线观看网站| 国产真实乱freesex| 六月丁香七月| 综合色丁香网| 黑人高潮一二区| 国产精品一区www在线观看| 黑人高潮一二区| 12—13女人毛片做爰片一| 日本与韩国留学比较| 大又大粗又爽又黄少妇毛片口| 亚洲久久久久久中文字幕| 天天躁日日操中文字幕| 日韩强制内射视频| 亚洲国产欧洲综合997久久,| 无遮挡黄片免费观看| 日韩一本色道免费dvd| 插逼视频在线观看| 国产高清不卡午夜福利| 日韩国内少妇激情av| 成人高潮视频无遮挡免费网站| 免费av观看视频| 久久久久久久久中文| 亚洲中文日韩欧美视频| 国产高清三级在线| 欧美国产日韩亚洲一区| 直男gayav资源| 亚洲国产精品久久男人天堂| 久久99热6这里只有精品| 国产亚洲欧美98| 国产v大片淫在线免费观看| 少妇人妻精品综合一区二区 | 国产av麻豆久久久久久久| 国产精品电影一区二区三区| 成人一区二区视频在线观看| 国产高清三级在线| 又黄又爽又刺激的免费视频.| 国产成人a区在线观看| 蜜桃久久精品国产亚洲av| 又爽又黄a免费视频| 国产乱人偷精品视频| 别揉我奶头 嗯啊视频| 日韩欧美国产在线观看| 国产大屁股一区二区在线视频| 国产在视频线在精品| 久久人妻av系列| 精品久久久久久久久久久久久| 九九爱精品视频在线观看| 特大巨黑吊av在线直播| 干丝袜人妻中文字幕| 极品教师在线视频| 欧美极品一区二区三区四区| 欧美极品一区二区三区四区| 成年av动漫网址| 亚洲国产精品国产精品| 久久久久久久久久久丰满| 乱码一卡2卡4卡精品| 国产色爽女视频免费观看| 国产色婷婷99| 又黄又爽又刺激的免费视频.| 美女被艹到高潮喷水动态| 人人妻人人看人人澡| 尾随美女入室| 欧美绝顶高潮抽搐喷水| 两性午夜刺激爽爽歪歪视频在线观看| 搞女人的毛片| 国产成人一区二区在线| 黄色一级大片看看| 亚洲一区二区三区色噜噜| 亚洲欧美成人综合另类久久久 | 午夜福利在线观看吧| 一本一本综合久久| 秋霞在线观看毛片| 亚洲一区高清亚洲精品| 成年女人毛片免费观看观看9| 国产久久久一区二区三区| 精品国内亚洲2022精品成人| 又黄又爽又刺激的免费视频.| 免费一级毛片在线播放高清视频| 欧美日本视频| 99久久精品一区二区三区| 搞女人的毛片| av.在线天堂| 国产精品久久久久久亚洲av鲁大| 久久亚洲精品不卡| 狠狠狠狠99中文字幕| 欧美成人a在线观看| 免费观看的影片在线观看| 国产美女午夜福利| 最近的中文字幕免费完整| 欧美极品一区二区三区四区| 99热这里只有是精品50| 欧美最黄视频在线播放免费| 国产成人一区二区在线| 网址你懂的国产日韩在线| 麻豆久久精品国产亚洲av| 18禁黄网站禁片免费观看直播| www.色视频.com| 99九九线精品视频在线观看视频| 一边摸一边抽搐一进一小说| 韩国av在线不卡| 老司机午夜福利在线观看视频| 日韩欧美国产在线观看| 中文字幕久久专区| 亚洲人成网站在线观看播放| 黄色配什么色好看| 午夜福利高清视频| 菩萨蛮人人尽说江南好唐韦庄 | 日韩欧美三级三区| 97在线视频观看| 久久6这里有精品| 亚洲最大成人手机在线| 久久久国产成人精品二区| 直男gayav资源| 日韩一区二区视频免费看| 亚洲性久久影院| 女同久久另类99精品国产91| 男女啪啪激烈高潮av片| 3wmmmm亚洲av在线观看| 深夜精品福利| 亚洲av熟女| 最近的中文字幕免费完整| 久久久久久久久久久丰满| 赤兔流量卡办理| 国产亚洲精品久久久久久毛片| 久久久午夜欧美精品| 国产精品,欧美在线| 日本爱情动作片www.在线观看 | 亚洲欧美日韩东京热| 国内精品美女久久久久久| 少妇人妻一区二区三区视频| 亚洲一级一片aⅴ在线观看| 精品免费久久久久久久清纯| 午夜精品在线福利| 亚洲人成网站在线播| 97超碰精品成人国产| 亚洲第一区二区三区不卡| 搡老岳熟女国产| 久久久久久久午夜电影| 18禁裸乳无遮挡免费网站照片| 狂野欧美白嫩少妇大欣赏| 中文字幕人妻熟人妻熟丝袜美| 国产亚洲精品综合一区在线观看| 亚洲第一区二区三区不卡| 男人舔女人下体高潮全视频| 国产精品精品国产色婷婷| 免费观看的影片在线观看| 亚洲av不卡在线观看| 搡老熟女国产l中国老女人| av在线蜜桃| 99热网站在线观看| 男女之事视频高清在线观看| 简卡轻食公司| 又黄又爽又刺激的免费视频.| 亚洲av五月六月丁香网| 亚洲真实伦在线观看| 免费电影在线观看免费观看| 亚洲欧美日韩卡通动漫| 韩国av在线不卡| 欧美最黄视频在线播放免费| 99视频精品全部免费 在线| 一区福利在线观看| 国产精品女同一区二区软件| 男人的好看免费观看在线视频| 国产黄色视频一区二区在线观看 | 此物有八面人人有两片| 久久久久久久久久黄片| 免费人成视频x8x8入口观看| 99热6这里只有精品| 青春草视频在线免费观看| av天堂中文字幕网| 欧美日本亚洲视频在线播放| 亚洲一级一片aⅴ在线观看| 亚洲欧美日韩卡通动漫| 午夜激情欧美在线| 午夜精品一区二区三区免费看| 国产高潮美女av| 久久精品综合一区二区三区| 久久精品国产99精品国产亚洲性色| 国产高清不卡午夜福利| avwww免费| 亚洲最大成人av| 精品欧美国产一区二区三| 男人狂女人下面高潮的视频| 亚洲中文日韩欧美视频| 国产精品国产高清国产av| 日产精品乱码卡一卡2卡三| 亚洲18禁久久av| 亚洲va在线va天堂va国产| 日本三级黄在线观看| a级一级毛片免费在线观看| 国产精品亚洲一级av第二区| 国产不卡一卡二| a级毛片免费高清观看在线播放| 99久国产av精品国产电影| 亚洲人成网站在线播| 国产探花极品一区二区| 男女做爰动态图高潮gif福利片| 日韩人妻高清精品专区| 婷婷六月久久综合丁香| 国产精品精品国产色婷婷| 日本欧美国产在线视频| 久久久久精品国产欧美久久久| 特级一级黄色大片| 波多野结衣高清无吗| 女生性感内裤真人,穿戴方法视频| 亚洲最大成人手机在线| 真实男女啪啪啪动态图| 女同久久另类99精品国产91| 国产成人91sexporn| 色播亚洲综合网| 中出人妻视频一区二区| 国产探花极品一区二区| 欧美日本亚洲视频在线播放| 黄色视频,在线免费观看| 国产精品美女特级片免费视频播放器| 成人欧美大片| 日韩精品青青久久久久久| 有码 亚洲区| 精品一区二区三区视频在线| 黄色欧美视频在线观看| 亚洲专区国产一区二区| 精品一区二区免费观看| 日本爱情动作片www.在线观看 | 在线a可以看的网站| 丰满的人妻完整版| 最后的刺客免费高清国语| 老女人水多毛片| 国产极品精品免费视频能看的| 天堂动漫精品| 一区二区三区免费毛片| 日本三级黄在线观看| 国产视频一区二区在线看| 国产精品久久久久久精品电影| 卡戴珊不雅视频在线播放| 国产在视频线在精品| 在线天堂最新版资源| 久久久久久伊人网av| 18禁裸乳无遮挡免费网站照片| 尤物成人国产欧美一区二区三区| 在线观看免费视频日本深夜| 在线免费观看的www视频| 97热精品久久久久久| 国产 一区 欧美 日韩| av.在线天堂| 哪里可以看免费的av片| 在线免费观看不下载黄p国产| 亚洲欧美成人精品一区二区| 99国产极品粉嫩在线观看| 超碰av人人做人人爽久久| 一级av片app| 亚洲最大成人中文| 亚洲美女视频黄频| 久久久久国内视频| 欧美一级a爱片免费观看看| 99久久久亚洲精品蜜臀av| a级毛片免费高清观看在线播放| 久久精品夜色国产| 国产精品99久久久久久久久| 美女大奶头视频| 毛片一级片免费看久久久久| 尤物成人国产欧美一区二区三区| 你懂的网址亚洲精品在线观看 | 最新在线观看一区二区三区| 伦理电影大哥的女人| 99热网站在线观看| 好男人在线观看高清免费视频| 午夜视频国产福利| 国产精品福利在线免费观看| 丝袜美腿在线中文| 国产精品一区二区免费欧美| 久久热精品热| 一级毛片久久久久久久久女| 久久草成人影院| 黄色配什么色好看| 国产精品,欧美在线| 男人和女人高潮做爰伦理| 久久久a久久爽久久v久久| 亚洲最大成人中文| 国产伦一二天堂av在线观看| 国产单亲对白刺激| 男女之事视频高清在线观看| 亚洲激情五月婷婷啪啪| 麻豆一二三区av精品| 欧美日韩一区二区视频在线观看视频在线 | 中文字幕人妻熟人妻熟丝袜美| 国产精品一区二区三区四区免费观看 | 国产精品一及| 国产成人影院久久av| 国内精品久久久久精免费| 国产乱人视频| 我要看日韩黄色一级片| 美女高潮的动态| 99riav亚洲国产免费| 成人特级av手机在线观看| 亚洲成a人片在线一区二区| 亚洲精华国产精华液的使用体验 | 插逼视频在线观看| 亚洲国产欧洲综合997久久,| 麻豆精品久久久久久蜜桃| 亚洲人与动物交配视频| 欧美激情国产日韩精品一区| 婷婷六月久久综合丁香| 亚洲欧美清纯卡通| 小蜜桃在线观看免费完整版高清| 亚洲精品日韩av片在线观看| 丝袜美腿在线中文| 精品一区二区三区av网在线观看| 日日啪夜夜撸| 日韩av在线大香蕉| 久久久精品大字幕| 亚洲真实伦在线观看| 亚洲婷婷狠狠爱综合网| 99久久精品一区二区三区| 婷婷色综合大香蕉| av视频在线观看入口| 老女人水多毛片| 人人妻,人人澡人人爽秒播| 欧美zozozo另类| 天堂网av新在线| 自拍偷自拍亚洲精品老妇| 中国美女看黄片| 国产精品野战在线观看| 日日啪夜夜撸| 卡戴珊不雅视频在线播放| 联通29元200g的流量卡| 人人妻人人澡欧美一区二区| 亚洲婷婷狠狠爱综合网| 麻豆一二三区av精品| 婷婷色综合大香蕉| 日本欧美国产在线视频| 久久亚洲国产成人精品v| 在线观看一区二区三区| 亚洲av熟女| 真人做人爱边吃奶动态| 久久精品国产自在天天线| 老司机影院成人| 国产精品亚洲美女久久久| 搡女人真爽免费视频火全软件 | 少妇熟女欧美另类| 精品少妇黑人巨大在线播放 | 免费看av在线观看网站| 欧美三级亚洲精品| 一级毛片久久久久久久久女| 国产成人a区在线观看| 国产 一区精品| 成人av在线播放网站| 一级黄色大片毛片| 久久综合国产亚洲精品| 久久久精品大字幕| eeuss影院久久| 最近的中文字幕免费完整| h日本视频在线播放| 日韩强制内射视频| 日韩欧美国产在线观看| 国产一区二区三区av在线 | 日本爱情动作片www.在线观看 | 久久精品国产亚洲av香蕉五月| 久久99热6这里只有精品| 亚洲欧美精品自产自拍| 毛片一级片免费看久久久久| 色5月婷婷丁香| 国产欧美日韩精品亚洲av| 国内久久婷婷六月综合欲色啪| 日日啪夜夜撸| 好男人在线观看高清免费视频| 亚洲精品一卡2卡三卡4卡5卡| 最近视频中文字幕2019在线8| 亚洲人成网站高清观看| 亚洲欧美成人综合另类久久久 | 一区二区三区高清视频在线| 久久午夜福利片| 亚洲性久久影院| АⅤ资源中文在线天堂| 亚洲国产精品久久男人天堂| 国产真实伦视频高清在线观看| 最近2019中文字幕mv第一页| 国产视频一区二区在线看| 一区二区三区四区激情视频 | 又黄又爽又刺激的免费视频.| 色噜噜av男人的天堂激情| 夜夜夜夜夜久久久久| 22中文网久久字幕| 99久国产av精品国产电影| 三级经典国产精品| 日本爱情动作片www.在线观看 | 久久99热这里只有精品18| 性欧美人与动物交配| 91午夜精品亚洲一区二区三区| 免费观看的影片在线观看| 白带黄色成豆腐渣| 一级毛片久久久久久久久女| 精品久久久久久久人妻蜜臀av| 我的女老师完整版在线观看| 精品99又大又爽又粗少妇毛片| 亚洲乱码一区二区免费版| 可以在线观看的亚洲视频| 三级国产精品欧美在线观看| 97热精品久久久久久| 搞女人的毛片| 美女xxoo啪啪120秒动态图| 成人综合一区亚洲| 高清日韩中文字幕在线| 精品午夜福利视频在线观看一区| 免费看a级黄色片| 熟女人妻精品中文字幕| 寂寞人妻少妇视频99o| 午夜老司机福利剧场| 精品福利观看| 欧美激情在线99| 日本熟妇午夜| 欧美日韩乱码在线| 色5月婷婷丁香| 亚洲精品国产成人久久av| 国产探花在线观看一区二区| 亚洲18禁久久av| 久久人妻av系列| 国产伦精品一区二区三区视频9| 特大巨黑吊av在线直播| 国产精品福利在线免费观看| 少妇人妻精品综合一区二区 | 内地一区二区视频在线| 五月伊人婷婷丁香| 色视频www国产| 精品人妻视频免费看| 性欧美人与动物交配| 少妇人妻一区二区三区视频| 国产视频内射| 人妻夜夜爽99麻豆av| 99久久精品国产国产毛片| 国产高清不卡午夜福利| 毛片一级片免费看久久久久| 少妇高潮的动态图| 日日摸夜夜添夜夜爱| 亚洲国产精品合色在线| 天美传媒精品一区二区| 日韩国内少妇激情av| 日韩成人av中文字幕在线观看 | 十八禁网站免费在线| 欧美一级a爱片免费观看看| 国产高清视频在线观看网站| 联通29元200g的流量卡| 国产亚洲91精品色在线| 日韩大尺度精品在线看网址| 亚州av有码| 午夜精品一区二区三区免费看| 国产男人的电影天堂91| 观看免费一级毛片| 久久中文看片网| 精品一区二区三区av网在线观看| 我的女老师完整版在线观看| 十八禁国产超污无遮挡网站| 深夜精品福利| 国产探花在线观看一区二区| 国产成人福利小说| 赤兔流量卡办理|