栏目文章

Select

跨领域推荐技术综述

陈雷慧, 匡俊, 陈辉, 曾炜, 郑建兵, 高明

华东师范大学学报(自然科学版) 2017, 2017 (5): 101-116,137. DOI: 10.3969/j.issn.1000-5641.2017.05.010

摘要（585）

HTML （15）

PDF （865KB）（1339）

随着信息技术和互联网的飞速发展，信息过载的问题日趋严重.个性化推荐系统是解决这一问题的热门技术.推荐系统的核心在于推荐算法，在过去的十年里，基于单领域的协同过滤推荐算法应用最为广泛.但用户和项目数量的急剧增长使得传统的协同过滤推荐算法面临冷启动和数据稀疏问题的挑战.跨领域推荐旨在整合来自不同领域的用户偏好特征，针对每个用户自身特点进行智能化感知，精准满足用户个性化需求，从而提高目标领域推荐结果的准确性和多样性，现已成为推荐系统研究领域中的热门话题.本文首先对跨领域推荐技术进行系统地研究和分析，概述跨领域推荐算法的相关概念、技术难点；其次对现有的跨领域推荐技术进行分类，总结出各自的优点及不足；最后对跨领域推荐算法的性能分析方法进行详尽的介绍.

参考文献 | 相关文章 | 多维度评价

Select

面向食品安全领域的个性化知识搜索系统研究

袁培森, 任吴北, 任守纲, 朱淑鑫, 徐焕良

华东师范大学学报(自然科学版) 2017, 2017 (5): 117-124,137. DOI: 10.3969/j.issn.1000-5641.2017.05.011

摘要（370）

HTML （13）

PDF （904KB）（530）

大数据时代，从海量的数据中发现对用户有用的知识成为研究领域重要的问题.通过集成多个搜索引擎的查询结果，实现食品安全领域中搜索信息的集成和个性化自适应排序.本文设计基于元搜索技术、知识本体和自适应的排序学习技术，实现多个搜索引擎相关查询结果集成，在对用户点击的标注和知识本体的基础上，利用基于监督学习的排序技术，实现对食品安全领域信息的个性化自适应排序.系统实现了集成多个搜索引擎的食品安全相关知识的提取和相关结果的重新排序.本研究不仅实现了多个搜索引擎食品安全信息查询相关的结果集成，而且能够根据用户的偏好实现结果的自适应排序.

参考文献 | 相关文章 | 多维度评价

Select

基于混合方法的医疗欺诈行为检测

潘松松, 张伟佳

华东师范大学学报(自然科学版) 2017, 2017 (5): 125-137. DOI: 10.3969/j.issn.1000-5641.2017.05.012

摘要（435）

HTML （60）

PDF （1192KB）（581）

随着医保制度的不断完善，医保覆盖率的不断扩大，医保基金的正常运转已经与人民大众的切身利益密切相关.然而，频繁就医、分解住院和异常费用支出等欺诈行为的频繁发生，极大地威胁着医保基金的正常运转.本文先使用随机森林的方法分病种进行特征选择，然后通过基于Clustering-Based Local Outlier Factor（CBLOF）的方法以及改进的CBLOF方法检测异常的结算费用.同时通过基于规则的方法检测频繁就医和分解住院行为.通过在真实医保结算数据上进行实验，实验结果证明了方法的可行性和有效性.最后，本文给出了医保基金监督平台的系统框架，通过该平台对透视分析的结果进行可视化展示.

参考文献 | 相关文章 | 多维度评价

Select

基于隐变量模型的多维用户偏好建模

王珊蕾, 岳昆, 武浩, 田凯琳

华东师范大学学报(自然科学版) 2017, 2017 (5): 138-153. DOI: 10.3969/j.issn.1000-5641.2017.05.013

摘要（553）

HTML （16）

PDF （1000KB）（490）

从用户行为数据构建用户偏好模型，是解决个性化服务、评分预测和用户行为定向等问题的重要基础.本文从用户的评分数据出发，以多个隐变量分别描述用户在评分对象多个维度的偏好，以含有多个隐变量的贝叶斯网（简称隐变量模型）作为表示用户偏好的基本知识框架.首先根据用户偏好和隐变量的特定含义给出模型构建的约束条件，进而提出基于约束条件的模型构建方法，使用约束条件下的EM算法来计算模型参数，约束条件下的SEM算法来构建模型结构.针对多隐变量情形下模型构建过程中产生大量中间数据带来的计算复杂度急剧上升的问题，本文使用Spark计算框架实现模型构建的方法.建立在Movielens数据集上的实验表明，本文提出的方法是有效的.

参考文献 | 相关文章 | 多维度评价

Select

基于复杂属性商品的混合协同过滤推荐模型

周兰凤, 麻双克, 付正, 张晴

华东师范大学学报(自然科学版) 2017, 2017 (5): 154-161,185. DOI: 10.3969/j.issn.1000-5641.2017.05.014

摘要（358）

HTML （79）

PDF （614KB）（582）

协同过滤作为应用最广、研究最多的推荐算法，但依旧面临数据稀疏性、冷启动、数据质量差等固有问题，同时也鲜有研究者从实用角度基于商品性价比方面提高预测精确度.为此，本文综合考虑用户主观评分和商品客观评分，并在此基础上结合情境预过滤、社会网络理论以及专家意见提出了一种混合协同过滤推荐模型，在一定程度上缓解了上述缺点.并通过真实网上汽车销售数据实验，表明该模型相对传统协同过滤具有更高的预测精度，更适用于具有复杂属性的商品.

参考文献 | 相关文章 | 多维度评价

用户行为分析 栏目所有文章列表

用户行为分析栏目所有文章列表