检索结果

Select

1. 结合概率矩阵分解的混合型推荐算法

杨丰瑞, 郑云俊, 张昌

计算机应用 2018, 38 (3): 644-649. DOI: 10.11772/j.issn.1001-9081.2017082116

摘要（637）

PDF （870KB）（561）

针对社交网络推荐系统中存在的数据稀疏、冷启动等问题，提出了一种结合特征传递和概率矩阵分解（TPMF）的社交网络混合型推荐算法。以概率矩阵因式分解（PMF）方法作为推荐框架，不仅考虑了用户信任网络，还结合推荐项目之间的关联关系、用户项目评分矩阵和自适应权重来权衡个人潜在特征和社交潜在特征对用户的影响程度。将社交网络中用户间的信任特征传递引入推荐系统中作为推荐的有效依据。实验结果表明，与基于用户的协同过滤（UBCF）、TidalTrust、PMF和SoRec算法相比，TPMF的平均绝对误差（MAE）直接相减后降低了4.1%到20.8%，均方根误差（RMSE）降低了3.3%到18.5%。在冷启动问题中，与上述四种算法相比，TPMF的平均绝对误差相减后降低了1.6%到14.7%，均方根误差降低了约1.2%到9.7%，能有效缓解冷启动问题，提高算法的鲁棒性。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于DiffNodeset结构的最大频繁项集挖掘算法

尹远, 张昌, 文凯, 郑云俊

计算机应用 2018, 38 (12): 3438-3443. DOI: 10.11772/j.issn.1001-9081.2018040913

摘要（432）

PDF （916KB）（334）

在数据挖掘中，通过挖掘最大频繁项集来代替挖掘频繁项集可以大大地提升系统的运行效率。针对现有的最大频繁项集挖掘算法的运行时间消耗仍然很大的问题，提出了一种基于DiffNodeset结构的最大频繁项集挖掘（DNMFIM）算法。首先，采用了一种新的数据结构DiffNodeset来实现求交集以及支持度的快速计算；其次，引入一种新的线性复杂度的连接方法来降低两个DiffNodeset在连接过程中的复杂度，避免了多次的无效计算；然后，将集合枚举树作为搜索空间，同时采用多种优化剪枝策略来缩小搜索空间；最后，再结合最大频繁项集挖掘算法（MAFIA）中所使用的超集检测技术来有效地提高算法的准确性。实验结果表明，DNMFIM算法在时间效率方面性能优于MAFIA与基于N-list的MAFIA（NB-MAFIA），该算法在不同类型数据集中进行最大频繁项集挖掘时均有良好的效果。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于Hash函数的移动射频识别互认证安全协议设计

刘鹏张昌宏欧庆于

计算机应用 2013, 33 (05): 1350-1352. DOI: 10.3724/SP.J.1087.2013.01350

摘要（756）

PDF （483KB）（508）

为解决移动射频识别(RFID)中阅读器与后端服务器分离所产生的安全问题，设计出一种基于Hash的轻量级认证协议，在无线通信环境下利用Hash的单向性实现标签、阅读器和后端服务器之间三方的互相认证，防止重放攻击、非法读取、位置跟踪等一系列安全问题的发生;并将计算的主要成本转移到后端服务器，减小大规模应用标签的开支。对协议进行GNY逻辑推理，证明其安全性足够满足应用的要求。

参考文献 | 相关文章 | 多维度评价