国家自然科学基金(10905052)
- 作品数：3 被引量：3H指数：1
- 相关作者：刘建国王超吴蓓蕾郭强潘新更多>>
- 相关机构：上海理工大学牛津大学大连理工大学更多>>
- 发文基金：国家自然科学基金上海市教育委员会创新基金上海大学生创新活动计划更多>>
- 相关领域：自动化与计算机技术经济管理更多>>
- 基于产品配置的快速设计开发研究
- 2013年
- 针对个性化需求带来的新产品设计开发周期长,成本高的问题,提出基于产品配置的快速设计开发的策略,在工业电机PDM中通过建立特征谱表进行新旧产品的匹配,找到合适的搭配,然后进行产品遗传变异、模块化物料清单、全系列重组进行产品零部件配置,快速得到新产品结构。
- 朱永真仲梁维
- 关键词：产品配置电机
- 基于改进用户兴趣点度量方式的推荐算法研究被引量：2
- 2011年
- 推荐算法是个性化推荐系统中最为核心的一部分。文本通过给出产品流行性定义，提出了一种改进的用户兴趣点度量方法，进而将用户的兴趣点嵌入到基于物质扩散原理的推荐算法中。新算法引入参数口度量产品的推荐权重与用户兴趣点之间的关系。MovieLens数据集上的数值结果表明新的用户兴趣点定义方法可以同时改进推荐算法的准确度和推荐列表多样性，当采用60％的数据作为训练集时，多样性可以提高13．15％。进一步的结果表明当训练集很稀疏的时候，应当赋予与用户兴趣点不同的产品更高的推荐能力，随着稀疏度增加，赋予与用户兴趣点相近的产品更多推荐能力可以大幅度提高算法的表现。
- 刘建国吴蓓蕾王超郭强
- 用户兴趣对个性化推荐的影响被引量：1
- 2010年
- 利用用户-产品二部分图中度量同类节点相似性的加权映射方法,研究了用户的兴趣对基于物质扩散的个性化推荐算法的影响并提出了相应的改进算法,其中用户的兴趣定义为用户所选择过产品的平均度。该算法中在推荐过程中假设用户收集产品被赋予的推荐强度应由用户的兴趣点和产品自身的度一起决定。数值实验结果显示该算法可以提高原物质扩散算法的准确度。进一步,当数据集稀疏的时候,算法应该赋予与用户兴趣点相近的产品更大的推荐强度;随着数据集变得越来越稠密,应该赋予用户的兴趣点外的其他产品更多的权重以提高算法的准确度和推荐列表差异性。
- 潘新邓贵仕刘建国
- 关键词：个性化推荐
