已閱讀1頁，還剩60頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、在當今互聯(lián)網時代，信息的數量在不斷呈現(xiàn)幾何式的增長。用戶已經不需要擔心信息的匱乏，而轉向擔心如何有效獲取信息。搜索引擎作為一支重要力量，極大的提高了用戶在海量數據獲取目標數據的能力。但是搜索引擎需要用戶自行構造關鍵詞，在獲取信息的擴展性和新穎性上還有很大的局限。個性化推薦系統(tǒng)正是瞄準這一問題，利用數據挖掘等相關技術，分析用戶行為，發(fā)現(xiàn)信息關聯(lián)，主動向用戶推送可能感興趣的內容。個性化推薦技術目前在電子商務、社交網站等領域有著非常廣泛的應用
2、。
本文深入研究了個性化推薦領域中常用的兩種方法，即傳統(tǒng)的協(xié)同過濾方法，以及在最近個性化推薦領域的大賽中普通采用的SVD矩陣分解方法。以常用的電影推薦為載體，在兩種基本方法的基礎上，深入挖掘數據集特點，提出了加入全局偏置和時間信息的新的預測和計算模型，并嘗試將SVD計算過程的中間產物用于傳統(tǒng)的協(xié)同過濾模型，以提高預測精度。實驗結果表明，加入全局偏置和時間信息后，兩種方法預測精度都有一定提升；同時，利用SVD方法能夠發(fā)現(xiàn)隱含
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于矩陣分解的協(xié)同過濾推薦算法研究.pdf
- 基于矩陣分解及其圖模型的協(xié)同過濾推薦算法研究.pdf
- 基于核矩陣分解和魯棒估計的協(xié)同過濾推薦算法.pdf
- 基于矩陣分解的并行協(xié)同過濾算法研究.pdf
- 協(xié)同過濾推薦算法改進研究.pdf
- 協(xié)同過濾推薦算法的改進與集成研究.pdf
- 基于商品關系改進的協(xié)同過濾推薦算法.pdf
- 基于用戶的協(xié)同過濾推薦算法的改進研究.pdf
- 基于改進協(xié)同過濾的服飾推薦算法的研究與實現(xiàn).pdf
- 協(xié)同過濾推薦算法及其改進研究.pdf
- 基于奇異值和重組信任矩陣的協(xié)同過濾推薦算法的研究.pdf
- 基于圖構建與矩陣分解聯(lián)合學習的協(xié)同過濾算法研究.pdf
- 推薦系統(tǒng)中協(xié)同過濾算法的改進與研究.pdf
- 協(xié)同過濾的服裝推薦算法的改進研究.pdf
- 改進型協(xié)同過濾推薦算法研究
- 改進型協(xié)同過濾推薦算法研究.pdf
- 推薦系統(tǒng)中協(xié)同過濾算法的改進與應用.pdf
- 推薦系統(tǒng)的協(xié)同過濾、矩陣分解和k近鄰方法及其優(yōu)化.pdf
- 基于Hadoop的改進聚類協(xié)同過濾推薦算法研究.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
評論
0/150
提交評論