孙光明
- 作品数：9 被引量：55H指数：4
- 供职机构：北京交通大学计算机与信息技术学院更多>>
- 发文基金：河北省高等学校科学技术研究指导项目更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 满足用户兴趣漂移的计算自适应快速推荐算法被引量：3
- 2015年
- 针对推荐算法未考虑大数据量计算导致系统性能差及基于历史评分的相似性不能反映用户兴趣动态变化的问题,提出了满足用户兴趣漂移的计算自适应快速推荐算法。该算法依据CPU等计算资源使用率动态调整待推荐用户窗口,并按项目类别及其访问热度动态分配计算时间,计算自适应项目与目标用户的优先级和相似性计算难易度,提高计算效率与响应速度;建立访问次数随时间变化的兴趣度量函数自适应用户兴趣漂移,提高推荐质量。实验结果表明,算法速度更快、推荐更准确、用户体验更好。
- 孙光明王硕
- 时延约束组播路由算法的研究与实现
- 随着集语音、数据、图像为一体的多媒体视频通信时代的来临，计算机网络中以流媒体、视频点播、网络对战游戏、分布式数据库等为代表的新兴实时多媒体业务迅速增长，导致了网络带宽的消耗和网络拥塞日益加剧。组播技术以其占用较少的网络带...
- 孙光明
- 关键词：时延约束组播路由实时多媒体网络拥塞
- 文献传递
- 基于项目兴趣度的协同过滤新算法被引量：16
- 2013年
- 针对评分数据稀疏和单一评分相似性计算不准确导致推荐质量不高的问题,提出一种基于项目兴趣度的协同过滤新算法。该算法先预测未评分项的值,在此基础上基于项目的分类、评分值及次数引入项目—项目类别兴趣度特征向量计算同组项目的相似性,提高了项目间相似性计算的准确度和推荐质量,避免了大量无用计算,提高了算法的效率。实验结果表明,该算法对目标项目预测评分的准确性、推荐质量及效率更高。
- 孙光明王硕
- 关键词：数据稀疏协同过滤
- 基于JSON的Ajax数据通信快速算法被引量：24
- 2015年
- 针对Ajax采用XML作为数据载体存在标签大量冗余、基于DOM解析复杂导致数据传输量大、服务器与客户端解析效率低的问题,提出一种基于JSON的Ajax数据通信快速算法。分析服务器端应答Ajax引擎请求数据的结构,设计有限状态机模型实现应答数据集转换为JSON格式的方法,提高了Ajax数据传输和解析的效率。实验结果表明,该算法较以XML为数据载体的通信速度更快,解析效率更高,具有更好的用户体验度。
- 孙光明王硕
- 关键词：JSON有限状态机
- 基于用户推荐影响度的并行协同过滤算法被引量：5
- 2017年
- 基于共同评分与项目全集的相似度未甄别近邻的推荐影响力,导致推荐质量低,可扩展性差。为此,提出了一种基于推荐影响度的并行协同过滤算法。该算法通过非共同评分项目、共同评分项类以及用户访问次数来计算用户推荐新颖度与兴趣重合度以度量用户推荐能力,并融入相似性计算来抑制相似度高但推荐力不强的用户,避免在项目全集上计算相似度,从而提高推荐质量;通过MapReduce并行化,使其具备良好的实时性和可扩展性。实验结果表明,该算法在海量数据集上的推荐质量更高,可扩展性更强。
- 王硕孙光明邹静昭李伟生
- 时延约束动态组播路由的快速低代价算法
- 2011年
- 提出一种时延约束动态组播路由的快速低代价算法。该算法利用改进的时延约束最短路径子图,在加入组播节点时避免非时延约束最短路径的搜索,提高算法的计算效率。通过使新加入节点与树上已有节点共享最短路径,降低整棵组播树的代价。仿真结果表明,该算法计算时间少,组播树总代价低,能使组播树更稳定。
- 孙光明王硕李晓伟李伟生
- 关键词：STEINER树动态组播路由时延约束
- 基于相似云与复合因素度量的个性化推荐算法
- 2016年
- 针对相似计算中评分数据的稀疏性、属性严格匹配与单因素度量的偶然性导致的近邻不准问题,提出基于相似云与复合因素度量的个性化推荐算法。该算法定义按类的项目评分云来预填充评分,提出融合类别、评分均值、评分频度、访问频度等多因素度量的项目兴趣度向量,通过云模型计算项目相似度,以按类预测其评分,并基于新的加权平均方法计算其最终评分值。实验结果表明,所提算法产生的近邻更准,推荐质量更高。
- 孙光明王硕李伟生
- 关键词：相似度加权平均
- 基于时延约束的快速低代价组播路由算法被引量：2
- 2010年
- 低代价最短路径树是一种广泛使用的组播树,通常不能满足实时多媒体应用中信息从源端到目的端传输的时延限制。针对该问题,提出基于时延约束的快速低代价组播路由算法,利用代价构建满足时延约束的初始树,将不满足时延约束的路径用最小时延路径代替。仿真结果表明,相比时延约束最短路径树算法,该算法的计算时间更少,组播树的总代价更低。
- 孙光明王硕李伟生
- 关键词：组播树
- 多因素复合度量的协同过滤推荐算法被引量：5
- 2015年
- 单一评分相似性度量及数据稀疏导致了传统推荐算法计算出的用户或项目近邻不准确、推荐质量不高,为此,提出了一种多因素复合度量的协同过滤推荐算法。该算法基于用户访问次数、停留时间及评分定义了一个多因素约束的相似性计算函数,避免了单一评分相似性度量问题,提高了相似性计算的准确度;同时,基于项目类别、目标用户已访问的项目、已访问过待预测评分项目的用户、访问时序建立了项目及用户信任模型,在数据稀疏及冷启动时用信任依赖度代替相似度预测评分,解决了相似性计算数据不充分的问题。实验结果表明,该算法能显著提高最近邻计算的准确性和算法的推荐质量。
- 孙光明王硕邹静昭
- 关键词：信任模型
