注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 面向移动社交网络的动态信任评估_隋涛

  2. 摘 要: 数百万用户每天在参与移动社交网络互动及相关资源获取，在没有直接联系的 2 个用户之间建立信任关系， 对于提高移动社交网络服务质量和增强用户安全感方面具有重要的作用． 在分析移动社交网络体系架构的基础上，设计了 一种综合考虑直接信任、推荐信任、信任风险函数、激励机制等多个影响因子的动态信任评估模型，并对信任值计算方法、 信任决策和信任更新等进行分析． 基于真实社交网络数据集 Epinions． com 的实验表明，本模型的信任值计算准确可信，且 能够有效抵御恶意节点的攻击． 关键词:

  3. 所属分类：其它

    • 发布日期：2015-12-09
    • 文件大小：612352
    • 提供者：qwtyuiop

  1. 推荐系统数据全集

  2. 该数据集几乎包含了目前网络上流传的所有推荐系统数据集，包括Epinions，MovieLens，delicious，lastfm，YahooMusic，ml-100k，ml-latest-small等

  3. 所属分类：计算广告

    • 发布日期：2017-12-27
    • 文件大小：27262976
    • 提供者：long798266215

  1. 四大数据集filmtrust+ciao+Epinions+flixster

  2. librec使用的四大数据集filmtrust+ciao+Epinions+flixster

  3. 所属分类：计算广告

    • 发布日期：2018-04-25
    • 文件大小：37748736
    • 提供者：dongyanwen6036

  1. 基于用户评论的信任预测方法研究

  2. 在线社会网络中，信任关系是用户间进行可靠交互的基础，交互的强度也会影响用户间信任关系的建立。虽然许多研究者对信任建模及其预测进行了研究，但大部分的研究都是基于已有网络进行的，缺乏对用户交互行为及内容的深入研究。在这种情况下，针对原有网络的稀疏性问题和用户交互行为对信任关系的影响进行了研究，提出了一种基于信任网络和用户评分行为的信任预测框架。该框架给出了一种评估用户间交互关系强弱的度量机制，结合用户间已建立的信任关系网络，综合评估预测用户间的信任与不信任关系。基于Epinions网站的真实数据集

  3. 所属分类：其它

    • 发布日期：2019-07-22
    • 文件大小：1048576
    • 提供者：weixin_39841856

  1. epinions.txt

  2. 符号网络数据集是带有符号的社交网络数据集，包括slashdot,epinion,wikisigned,Gahu。 加权网络数据集包括dolphins,email,office...d等等数据集

  3. 所属分类：C#

    • 发布日期：2020-05-01
    • 文件大小：11534336
    • 提供者：qq_36441656

  1. ts:论文代码库-源码

  2. Rec-Sys算法的Python实现 数据集是中的Epinions和Ciao数据集的副本。 火车模型 在下面运行脚本，参数是默认的，您可以在main.py上更改以设置探索模型的模型： python main.py --model= 结果 我们使用60/20/20进行培训，验证，测试集 PMF 学习率 k_dim RMSE MAE 0.001 16 1.05318 0.81547 0.005 16 1.05399 0.81527 0.01 16 1.05903 0.

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：7340032
    • 提供者：weixin_42144604

  1. Epinions-数据集

  2. Epinions评分数据集 ratings_data.txt

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：2097152
    • 提供者：weixin_38556985

  1. 融合用户隐含偏好的社会化推荐算法

  2. 协同过滤算法的基本思想是利用兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息． 目前大部分算法对.于相似用户的分析都是基于用户的显式偏好，没有对用户的隐含偏好进行分析与利用． 用户的偏好不仅仅体现在对产品种类的.喜好上，对于产品各个属性的喜好程度、评分偏好和由偏好相似而建立的信任关系等，都反映了用户在交互时所隐含的偏好． 本.文提出了一种融合用户隐含偏好的社会化推荐算法:通过对评分矩阵进行分解得到用户和产品的潜在特征向量，利用用户的潜.在特征向量进行用户隐含属性偏好相似度的计算;为了缓解

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：1048576
    • 提供者：weixin_38641764