推荐系统实践

随机游走算法

随机游走算法

项亮推荐系统shizhan的代码实现

项亮推荐系统shizhan的代码实现

RecSystemPractice:项亮《推荐系统实践》的部分算法代码实现

RecSystemPractice 项亮《推荐系统实践》的部分算法/代码实现

Random Walk (随机游走) matlab

论文“Random Walks for Image Segmentation”matlab代码，可直接运行，论文中提供的代码还需要到别处下载几个函数才能运行，本文件已包含这几个函数。

随机游走matlab代码-project-MRW0419_-random-walk:随机游走算法

matlab代码[ MRW0419_ ] 随机游走 一、简介 在本章中，我们将讨论什么是随机游走以及随机游走的用途。 什么是随机游走？ 在理解什么是随机游走之前，它有助于我们从以下来源了解一些关于什么是随机游走的陈述： “随机游走是一个数学对象，也称为随机或随机过程，它描述了一条路径，该路径是空间中随机游走（随机）的结果，例如整数数学。” —— “随机游走是一个随机移动物体从‘它’开始的地方行走的过程。” —— “在概率论中，随机游走是确定一个点相对于随机运动的可能位置的过程，给定在特定距离和特定方向上移动的概率（每一步都相同）” - —— 从这些解释中，我们可以得出结论，基本上随机游走是对象在空间（1D、2D、3D 或更多）中的随机运动。 下一个问题是，随机游走有什么用？ 随机游走的应用 随机游走经常被用来解释自然现象； 如物理化学、材料科学、生物学等领域。 以下是随机游走的一些应用： 在金融经济学领域，随机游走假设用于对股价和其他因素进行建模。 在遗传群体中，随机游走描述了一般漂移的统计特性 在计算机科学中，随机游走用于估计 Web 的大小。 在图像分割中，随机游走用于确定与每个像

随机游走matlab代码-imu_allan:修改自gaowenliang/imu_utils.git

随机游走matlab代码一些变化 陀螺仪和acc的输出偏差随机游走，斜率为0.5。 将噪声输出更改为连续时​​间形式。 修复acc的噪声参数，包括Q/N/K/R，去除系数60或3600等。 主要思想是使用 Q / N / B / K / R 拟合 log Allan Variance 值，不同的幂包括 -1、-0.5、0、0.5、1。 imu_utils 用于分析 IMU 性能的 ROS 封装工具。 艾伦方差工具的 C++ 版本。 这些数字是由 Matlab 绘制的，在scripts 。 实际上，只需分析 IMU 数据的 Allan Variance。 在 IMU 静止时收集数据，持续时间为两个小时。 参考 参考技术报告： 、 和 。 Woodman, O.J., 2007. An introduction to inertial navigation (No. UCAM-CL-TR-696). University of Cambridge, Computer Laboratory. 参考 Matlab 代码： IMU 噪声值 范围 YAML 元素 象征 单位 陀螺仪“白噪声” gy

C++代码：OpenGL三个图形实现交互（旋转、移动、缩放）

绘制正方形、圆形、五角星三个图形，利用鼠标选中某个图形进行移动，键盘控制缩放和旋转。

MonteCarlo随机行走

VC平台上利用MonteCarlo算法模拟相变过程。 追踪粒子的位置，统计粒子处于基态的概率。最后得出温度跟概率之间的关系，显示相变过程。

“随机漫步”(Rand Walk)模拟演示系统

有一类问题总称为“随机漫步”(Random Walk)问题，这类问题长久以来吸引着数学界的兴趣。所有这些问题即使是最简单的解决起来也是极其困难的。而且它们在很大程度上还远没有得到解决。一个这样的问题可以描述为： 在矩形的房间里，铺有n×m块瓷砖，现将一只（醉酒的）蟑螂放在地板中间一个指定方格里。蟑螂随机地从一块瓷砖“漫步”到另一块瓷砖（可能是在找一片阿司匹林）。假设它可能从其所在的瓷砖移动到其周围八块瓷砖中的任何一个（除非碰到墙壁），那么它把每一块瓷砖都至少接触一次将花费多长时间？ 虽然这个问题可能很难用纯粹的概率技术来解决，但是使用计算机的话却十分容易。使用计算机解决此问题的技术称为“模拟”。这种技术广泛应用于工业中，用来预测运输流量，存货控制等等。 现在，利用所学的C语言程序设计和数据结构基础知识，建立一个“随机漫步”(Random Walk)模拟演示系统，并将得到的模拟结果(模拟产生的数据)保存，以供研究使用。

基于随机游走的就业推荐系统研究与实现 (2011年)

目前，各高校的就业指导工作尚不完善，许多毕业生在求职初期缺乏目的性和针对性，在应聘并不适合自己的企业上耗费了大量的时间和精力，由此导致就业难度加大。在此情况下。我们设计开发了高校毕业生就业推荐系统。系统从大连理工大学就业实际工作出发，通过比较应届和往届毕业生基本特征，并结合基于随机游走模型的PageRank算法获得的各个企业的“求职指数”，将招聘企业排序后推荐给每一名毕业生。通过测试，本系统功能上符合设计初衷，能够向毕业生推荐适合的企业，可以提升毕业生求职的针对性和目的性，并大大减少其在获取招聘信息上的时

基于组合类别空间的随机游走推荐算法

基于组合类别空间的随机游走推荐算法

论文研究-基于主题分组与随机游走的App推荐算法.pdf

近年来，App的数量呈爆炸式地增长，在庞大数量的手机App中找到合适的App给用户带来了困难。传统的推荐系统方法运用到App推荐上时有很多的局限性，如难以解决冷启动和用户对不同类别的应用具有不同的选择偏好等问题。提出了一种基于主题分组和随机游走的个性化推荐算法TGRW。TGRW针对用户对每类App需要的数量、偏好的程度各不一样的特点，根据用户的App使用记录，构造了user-App组-App的三元图模型，通过对不同的用户在不同的推荐组上设置不同的权重，再利用随机游走算法计算出用户对每个App的偏好概率，从而形成推荐列表。在真实用户数据集上的实验表明，该方法比其他方法在推荐效果上得到了明显提升。

论文研究-基于随机游走算法的云服务的个性化推荐 .pdf

基于随机游走算法的云服务的个性化推荐，李祥权，张成文，随着云计算的快速发展，各种各样的云服务大量涌现，虽然丰富了用户的选择，但是也给用户使用合适的云服务带来了巨大的困难。虽然

论文研究-基于时序逆影响的随机游走推荐算法.pdf

相似性计算是协同过滤推荐的关键步骤。针对传统相似性计算认为相似关系是对等的且没有考虑消费顺序和时间间隔的问题，提出了基于时序逆影响的随机游走推荐算法。首先，基于用户时序关联图提出一种新的称为时序逆影响的相似性度量，利用随机游走得到了目标用户近邻集合；其次，利用随机游走在项目时序关联图上进一步改进推荐的多样性和覆盖率。它不但认为用户间相似是不对称的，考虑了用户消费项目的顺序和时间间隔，获得了用户全局的直接和间接近邻，而且考虑了项目间的时序逆影响。通过在真实数据集上的大量实验结果表明，与其他随机游走方法相比，其不但能提高推荐性能、缓解数据稀疏，而且通过提高多样性和覆盖率解决了过拟合的问题。

随机游走matlab代码-RandomWalker:在二维中模拟随机游走者

随机游走matlab代码 Random Walker Matlab code to simulate a 2-dimensional random walk.

随机游走matlab代码-Samwalker:山行者

随机游走matlab代码山姆沃克 这是我们论文的源代码： 陈家伟、王灿、周盛、施齐豪、严峰和陈春。 “SamWalker：具有信息抽样策略的社会推荐。” 在万维网会议中，第 228-239 页。 ACM，2019 年。 运行代码的示例。 我们在 MATLAB 中实现 SamWalker。 此外，我们在 C++ 中实现了采样过程（个性化随机游走）以提高效率。 运行代码前，请在matlab环境下编译c++源代码生成mex文件： mex mysamwalknew.cpp mex myv2s.cpp 然后，我们可以运行示例数据的代码： samwalker( ' trainingdata.txt ' , ' testdata.txt ' , ' trustnetwork.txt ' ) 其中 spmfmnar 函数的输入分别是训练数据、测试数据和社交网络数据的路径。 trainingdata.txt 的每一行是： UserID \t ItemID \t 1 testdata.txt 的每一行是：UserID \t ItemID \t 1 trustnetwork.txt 的每一行是： User1

随机游走matlab代码-ASR_DNN:ASR_DNN

随机游走matlab代码ASV_DNN 使用深度神经网络进行自动说话人识别实验 此存储库包含使用 DNN 在 TIMIT 数据库上复制说话人识别实验的代码 (1) 还增加了微软工具箱（MST Identity）的基线GMM-UBM实现。 (2) 对于 DNN，在 matlab 中实现了几种初始化方案，如（归一化初始化、随机游走初始化等）和学习率方法（sgd-cm、ada-delta 和 adam）。 它是基于 GPU 的代码。 :)

随机游走和强化学习

关于随机游走和强化学习的简单介绍

随机游走matlab代码-Mixed-Motion-Analysis:分析表现出多分量运动的粒子的运动

随机游走matlab代码MATLAB 程序，用于分析表现出具有多个分量的运动的粒子的运动 硕士论文 这个分析是我硕士论文的一部分。 它已成功完成，结果是一个名为 的 MATLAB 程序。 该论文已出版，可以从这里访问。 分析的必要性和分析的目标 • 神经元中的蛋白质从细胞体运输到轴突末端。 • 通俗地说，它就像从一个点到另一个点的任何其他类型的交通工具。 • 运输是由运动蛋白进行的。 一个类比是邮递员从邮局走到你家。 • 运动蛋白的运动有多个组成部分：定向的、静态的和扩散的。 再一次，想象邮递员朝某个方向（定向）移动，停下来休息一下（静态），然后忘记自己的方式并朝随机方向移动（扩散）。 • 该项目的目标是以客观、省时和用户友好的方式自动分析一般蛋白质（具体为运动蛋白质）的运动数据。 可交付成果 . . . 示例视频和引文 使用此程序时请引用以下内容： Ali, Rehan，“对表现出多组分运动的蛋白质的单粒子跟踪数据的自动分析。” (2018)。 研究生院学位论文和论文。 870.

自回避随机行走问题

假设有一条狗放在某个城市中心点，它试图逃出城市，此城市有N条南北走向的街道和N条东西走向的街道，所有街道均匀交叉分布构成网格形式。这条狗在逃出城市的过程中，遇到每个交叉路口则按照随机概率的大小选择前进方向，它能够通过灵敏的嗅觉和记忆不走重复路。当狗走到某个交叉路口时，如果三个可选方向均指向以前走过的路口就必须回头，则陷入死胡同状态。设狗尝试逃出的次数设为T，假设给出某个确定的N值，分析并输出这条狗陷入死胡同的概率是多少，行走路径的平均长度是多少？成功逃出的平均路径长度和陷入死胡同的平均路径长度各是多少？

常用数值算法与程序（C++版） Source Codes

常用数值算法与程序教材的配套C++ 源代码， Source Codes。

Python可重启随机游走代码

Python RWR，可重启的随机游走源代码，可重启的随机游走源代码

Python RWR 可重启随机游走代码

Python RWR 可重启随机游走代码。 Python RWR，可重启的随机游走源代码，可重启的随机游走源代码 随机游走

随机游走matlab代码-Post-Processing-ARWR:后处理-ARWR

随机游走matlab代码基于重启自适应随机游走的深度图后处理方法 该存储库包含以下论文中介绍的方法的代码： H. Javidnia 和 P. Corcoran，“基于自适应随机游走重启的深度图后处理方法”， IEEE Access ，第一卷。 4, pp. 5509-5519, 2016. doi: 10.1109/ACCESS.2016.2603220 代码在 MATLAB R2017a x64 中编写和编译。 MEX 文件也在 x64 环境中编译。 要运行代码，请按照以下说明操作： 下载存储库。 在 MATLAB 中运行“Run.m”文件。 有一组立体图像样本和代码。 图片是从 . 使用 估计初始深度图。 使用此代码时请引用以下论文： H. Javidnia 和 P. Corcoran，“基于自适应随机游走重启的深度图后处理方法”， IEEE Access ，第一卷。 4, pp. 5509-5519, 2016. doi: 10.1109/ACCESS.2016.2603220 Lee S、Lee JH、Lim J、Suh IH，“使用具有重新启动算法的自适应随机游走的鲁棒立体匹

随机游走matlab代码-AggregateGeneFunctionPrediction:基于不同数据资源和算法的预测因子聚合进行基因功能预测

随机游走matlab代码#AggregateGeneFunctionPrediction 此代码由 Wim Verleyen 在冷泉港实验室的 Gillis 实验室设计。 聚合数据资源和算法的基因功能预测。 此代码用于发布的生成结果。 ##Scikit-learn 中使用了六种现成的算法： 逻辑回归 随机森林 随机梯度下降 被动攻击 带重启的随机游走 邻居投票（因协会而有罪） ##Gene Ontology Code 加载基因标识符、GO 术语标识符和 GO 术语注释矩阵的 Matlab 矩阵/向量。 ##Model ###Plot 性能指标的代码 ###MySQL 查询的数据库代码 基因网络分析中的可复制性 用于基因网络分析中的可复制性分析基于不同的公开可用数据资源，即蛋白质-蛋白质相互作用、生物途径、共享蛋白质结构域、疾病注释以及来自微阵列和 RNA Seq 实验的表达谱。 用于计算性能和聚合预测器可重复性的模拟代码可以在 中找到。

frogwild:GraphLab 的近似 Pagerank 算法。 该存储库包含 GraphLab 的所有代码，其中更新了“synchronous_engine.hpp”文件以允许选择性同步副本和顶点数据。 “appsrw_pagerank”中包含的近似 PageRank 应用程序利用了同步引擎的这个更新版本。 应用程序中实现的近似算法使用随机游走

GraphLab 的近似 PageRank。 ====================================== 此存储库包含所有 GraphLab 代码，但有以下两个更改： 同步引擎略有更改以支持：（i）可选的顶点数据同步，（ii）以用户定义的概率同步副本，以及（iii）用户程序获取已同步（“激活”的副本的实际比例） ）。 近似 PageRank 应用程序：“rw_pagerank”。 该算法基于随机游走。 ====================================== rw_pagerank 应用程序的执行示例： mpiexec -n 20 -hostfile ~/machines rw_pagerank --graph grap_file --rwnum 800000 --maxwait 4 --replicap 0.7 此命令在 20 台机器

linkprediction:基于有监督随机游走的链接预测算法的Java实现

链接预测 基于有监督随机游走的链接预测算法的Java实现 团队成员： -维丽卡·拉佐娃——玛格达莱娜·斯克里泽夫斯卡——维斯娜·迪莫夫斯卡

matlab解决路径优化代码-graph-similarity-learning:从有效阻力和其他基于随机游走的相似性中学习网络结构的算法

matlab解决路径优化代码从基于随机游走的节点相似性中学习网络 如本文所述，这是用于从有效阻力和其他基于随机游走的相似性中学习网络结构的算法的集合。 该存储库包括用于精确图形恢复的方法，启发式方法和基于优化的方法（凸和非凸）。 有关这些方法的详细信息和比较，请参见本文。 Matlab代码 代码在Matlab中。 许多功能取决于/utils文件夹中的文件。 确保将此文件夹添加到您的Matlab路径中。 从成对节点相似度进行全图恢复 precisionRecover.m ：给定全套(n choose 2)有效电阻，用这些电阻恢复唯一的图形。 还可与正则化一起用作启发式方法，以匹配嘈杂或不完整的有效电阻集。 请参阅的第4.2节。 exactPageRankRecover.m：给定一个nxn所有成对个性化的PageRank分数的矩阵，恢复符合这些成绩的唯一图。 与exactRecover.m ，可以通过正则化参数试探性地使用此方法。 precisionRecoveryDemo.m ：演示如何使用exactRecover.m和exactPageRankRecover.m从完整的成对节点相似性集

随机游走matlab代码-Twoscale-Fusion:使用基于增强随机游走算法的多焦点图像融合和两尺度焦点图

随机游走matlab代码此包包含与以下论文相关的 MATLAB 代码： “使用基于增强随机游走算法的多焦点图像融合和两尺度聚焦图，神经计算，” 作者：马金磊、周志强、王博、苗玲娟、华总。 此代码仅可免费用于研究目的。 如果您使用此代码，请参阅上述出版物。 代码由马金磊编辑，邮箱：北京理工大学。 用法： 有两个演示文件： (1) Script_BoostedRandomWalk.m Script_BoostedRandomWalk.m 旨在使用增强随机游走实现图像融合， 对应于论文的第 2.3 节基于随机游走的算法的提升。 请注意，在运行“Script_BoostedRandomWalk.m”之前，您需要运行“compile.m”。 (2) Script_RandomWalk.m Script_RandomWalk.m 旨在使用随机游走实现图像融合， 对应于第 2.2 节使用论文的随机游走进行估计。 我们之前提出的一个相关方法发表在 ” J. Ma, Z. Zhou, B. Wang and M. Dong, “基于多尺度聚焦度量和广义随机游走的多聚焦图像融合，2017年第36届中国控制