郁雪
- 作品数：11 被引量：69H指数：6
- 供职机构：天津大学管理与经济学部更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术自然科学总论经济管理更多>>
- 基于Struts框架的高校网络教务信息系统设计被引量：6
- 2006年
- 以天津大学校园信息化建设为背景,研究了基于J2EE技术和MVC经典软件模式的STRUTS构架体系,应用于综合教务管理信息系统中网络教学平台的开发与实现,体现出struts技术在Web应用开发中的强大功效。
- 郁雪常鹏董旭源
- 关键词：STRUTS框架模型-视图-控制器WEB应用教务系统
- 基于协同过滤技术的推荐方法研究
- 随着网络与信息技术的飞速发展，互联网为用户提供越来越多的信息和服务，Web用户面临的信息超载问题口趋严重。面对海量的网络资源，推荐系统能够及时跟踪用户的需求变化来自动调整信息服务的方式和内容，是一种极具潜力的解决信息超载...
- 郁雪
- 关键词：协同过滤算法数据稀疏性维数约简主成分分析聚类技术
- 文献传递
- 基于PCA-SOM的混合协同过滤模型被引量：13
- 2010年
- 针对推荐系统中协同过滤技术面临的数据稀疏性和推荐实时性难以保证的问题,提出一种基于主成分分析(Principle component analysis)和SOM(Self-organizing map)聚类的混合协同过滤模型.首先对原始评分数据进行全局降维,并在转换后的主成分空间上进行用户聚类,缩小了目标用户的最近邻搜索空间,减少了在线计算时间复杂度,最后对真实的电子政务门户网站Log日志数据进行了几种常用的推荐算法的比较,实验结果证明新的推荐模型具有较好的预测精度.
- 郁雪李敏强
- 关键词：推荐系统协同过滤算法主成分分析自组织映射聚类技术
- 一种结合有效降维和K-means聚类的协同过滤推荐模型被引量：15
- 2009年
- 为了克服"维灾"所带来的问题,提出一种基于主成分分析的维数约简方法,并在转换后的低维向量空间上进行K-means聚类算法,以减少目标用户的最近邻搜索范围,代替在超高维空间上逐一寻找最近邻的过程。实验结果证明了新算法的有效性,特别在目标用户的历史评价信息较少的情况下,也能有较好的预测精度。
- 郁雪李敏强
- 关键词：协同过滤主成分分析维数约简K-MEANS聚类
- 针对隐式反馈推荐系统的表征学习方法被引量：2
- 2020年
- 基于邻域的top-N推荐算法利用隐式反馈数据建立排序模型,其算法性能严重依赖于相似度函数的表现。传统相似性度量函数在隐式反馈数据上会遇到数据过于稀疏和维数过高两个问题,稀疏数据不利于推荐模型选取光滑的邻域,过高的数据维数会导致维数灾难问题,导致推荐算法表现较差。为此提出一种基于表征学习方法的推荐算法,改进算法实现了基于二部图网络的多目标节点表征学习方法,在节点表征中通过嵌入不同层次的网络结构信息和适合推荐任务的次序信息来提升推荐性能。三个不同规模真实数据集上的实验结果表明,该算法相较于常用的基于隐式反馈的推荐模型具有更高的准确率和召回率,特别是针对大规模数据集能够有效缓解矩阵稀疏性问题和维数灾难问题,提高推荐性能。
- 梅岚翔郁雪
- 关键词：推荐系统协同过滤
- 基于局部主成分分析的协同过滤推荐模型被引量：5
- 2010年
- 根据传统协同过滤算法中用户数据的高维稀疏特点,提出一种基于局部主成分分析协同过滤推荐模型,采用基于语义分类和主成分分析的二阶段降维技术,分别对各类主题页面进行局部降维处理,以保留对某类主题真正感兴趣的用户群,加速最近邻的搜索过程。通过对真实Web日志数据的测试,证明该模型具有较高的预测精度。
- 郁雪李敏强
- 关键词：推荐系统协同过滤算法维数约简
- 应用遗传算法优化子空间的SVM分类算法被引量：8
- 2013年
- 提出了一种应用遗传算法优化子空间的SVM分类算法GS-SVM。该算法首先改进样本选择策略,采用基于置信度和凸包的样本选择方法,考虑类间距离和样本分布等因素,选择典型代表样本作为SVM的新训练集;然后采用矩阵式混合编码方式,利用遗传算法一并优化代表样本的特征子空间和SVM分类参数,并根据特征优化后的代表样本,构建SVM分类模型。在UCI的11个数据集上进行的仿真实验结果表明,该算法在大部分数据集上均可获得较小的样本规模和特征维数,以及较高的分类精度。
- 蒋华荣郁雪
- 关键词：子空间分类遗传算法支持向量机凸包
- 项目管理在实验中心网络化建设中的应用被引量：1
- 2009年
- 描述了在项目实施过程中如何以项目管理的思想指导整个项目开发的全过程。以此作为理论基础,设计一种基于W eb技术的网络实验软件,提供高效、实时,并可交互操作的教学模式。
- 李玲珍郁雪孟俊娜朱星宇
- 关键词：项目管理网络化实验教学
- 融合双重正则化机制的低秩矩阵分解推荐模型
- 2020年
- 基于矩阵分解技术的社会化推荐通过加入用户信任关系来加强学习准确性,但忽略了物品之间的关联信息在模型分解过程中对用户兴趣的影响。对此首先提出在物品相似度计算方法中加入用户参与度进行改进,并构建了融合物品关联正则项和信任用户正则项双重约束的矩阵分解推荐模型,在优化隐式特征矩阵过程中体现了物品之间的关联信息对推荐的重要影响。最后通过对两个不同稀疏级别的数据集的实验证明,相比主流的矩阵分解模型,提出的双重正则项的矩阵分解模型能够提高稀疏数据集上预测评分的准确性,并能明显缓解用户冷启动问题。
- 郁雪张昊男
- 关键词：推荐系统协同过滤矩阵分解稀疏性
- 一种有效缓解数据稀疏性的混合协同过滤算法被引量：9
- 2009年
- 目前协同过滤技术已经被成功运用到各种推荐系统中,但是随着资源种类的不断膨胀与用户日益的增加,用来评判的数据矩阵越来越稀疏,严重影响了推荐质量。为此设计了一种混合新算法,对基于项目的协同过滤算法提出两个改进方法:首先根据网站的层次结构信息改进了传统的相似度计算方法;其次增加了预测缺失兴趣值的算法,使用户的交叉兴趣点增多,有效缓解了稀疏性的问题。实验结果证明了新算法具有较高的推荐精度,能够找到用户潜在的兴趣页面。
- 郁雪李敏强
- 关键词：推荐系统协同过滤数据预测数据稀疏性
