版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、個(gè)性化推薦系統(tǒng)作為信息過濾的有效工具越來越受到人們的關(guān)注。因?yàn)樗軒椭脩魪拇罅康臄?shù)據(jù)中迅速查找出他們所需要的信息,目前已經(jīng)成為電子商務(wù)應(yīng)用的一個(gè)重要組成部分。在個(gè)性化推薦系統(tǒng)中,協(xié)同過濾是一種廣泛使用的推薦技術(shù),這種推薦技術(shù)是根據(jù)志同道合的用戶的評(píng)級(jí)做出推薦,但是傳統(tǒng)的協(xié)同過濾算法通常都存在著數(shù)據(jù)稀疏和冷啟動(dòng)等問題,在實(shí)際應(yīng)用中推薦的準(zhǔn)確度欠佳。為了解決此問題,許多基于模型的協(xié)同過濾的推薦算法已經(jīng)提出并取得了不錯(cuò)的成果,其中,奇異值矩
2、陣分解(SVD)是近幾年被廣泛研究的一種高效的推薦技術(shù)。在Web2.0環(huán)境下,隨著社交網(wǎng)絡(luò)的廣泛應(yīng)用,傳統(tǒng)的矩陣分解推薦方法由于沒有考慮用戶的社交關(guān)系,因此難以取得理想的推薦結(jié)果。社會(huì)化推薦方法由于能夠結(jié)合社會(huì)網(wǎng)絡(luò)信息的特點(diǎn)來模擬真實(shí)社會(huì)的推薦過程,大大提高了推薦的準(zhǔn)確性。本文通過對(duì)國(guó)內(nèi)外協(xié)同過濾推薦算法的深入分析,在社會(huì)化推薦思想的指引下,提出了在傳統(tǒng)的矩陣分解推薦算法中融合用戶的社會(huì)信任信息和隱含項(xiàng)目關(guān)系兩種通用的策略。
3、本文的主要工作包括以下幾個(gè)方面:
1.對(duì)傳統(tǒng)推薦系統(tǒng)的分類、評(píng)價(jià)指標(biāo)、存在的問題進(jìn)行了綜述,并重點(diǎn)闡述了基于模型的協(xié)同過濾推薦。然后論述了目前方興未艾的社會(huì)化推薦,結(jié)合社交網(wǎng)絡(luò)中的用戶社會(huì)關(guān)系與協(xié)同過濾中的項(xiàng)目關(guān)系引出本文的課題。
2.結(jié)合社交網(wǎng)絡(luò)的特點(diǎn),基于用戶的偏好與社交網(wǎng)絡(luò)中的好友有直接的影響,以奇異值(SVD)矩陣分解模型為基礎(chǔ),提出了融合直接朋友關(guān)系和偏置信息對(duì)矩陣分解進(jìn)行改進(jìn),構(gòu)建正則化模型。并通過在 F
4、lixster數(shù)據(jù)集上進(jìn)行大量的實(shí)驗(yàn),驗(yàn)證了本文提出的算法與所比較的經(jīng)典方法在準(zhǔn)確度方面有較大的提升。
3.針對(duì)用戶對(duì)項(xiàng)目的評(píng)分不僅與自己的興趣有關(guān),還與用戶的隱式評(píng)分、所信任朋友的興趣以及所評(píng)分的隱式項(xiàng)目有關(guān)。所以,本文對(duì)奇異值(SVD)矩陣分解模型進(jìn)行改進(jìn),融合了社交網(wǎng)絡(luò)中的信任關(guān)系和隱式項(xiàng)目關(guān)系來構(gòu)建正則化模型,并使用隨機(jī)梯度下降法生成用戶的潛在特征和項(xiàng)目的潛在特征,以此為用戶推薦感興趣的項(xiàng)目。通過在Flixster、F
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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 融合用戶信任與項(xiàng)目關(guān)系的社會(huì)化推薦算法研究.pdf
- 基于加權(quán)信任關(guān)系和用戶相似性融合的社會(huì)化推薦算法研究.pdf
- 融合用戶行為與生成內(nèi)容的社會(huì)化商務(wù)信任鏈構(gòu)建技術(shù).pdf
- 一種融合信任關(guān)系與用戶項(xiàng)目標(biāo)簽信息的推薦算法.pdf
- 基于信任和矩陣分解的社會(huì)化推薦算法.pdf
- 融合信任關(guān)系的矩陣分解推薦算法研究.pdf
- 融合用戶屬性和興趣的最大熵推薦算法研究.pdf
- 融合用戶注冊(cè)信息的協(xié)同過濾推薦算法.pdf
- 融合用戶評(píng)分和評(píng)語的貝葉斯推薦算法研究.pdf
- 融合用戶關(guān)系強(qiáng)度的協(xié)同過濾算法研究.pdf
- 社會(huì)化標(biāo)簽推薦算法的研究.pdf
- 結(jié)合用戶興趣變化的推薦算法研究.pdf
- 社會(huì)化商務(wù)環(huán)境下基于信任的推薦方法研究.pdf
- 融合社會(huì)化標(biāo)簽的協(xié)同推薦系統(tǒng)研究.pdf
- 基于社會(huì)化網(wǎng)絡(luò)的好友推薦算法研究與應(yīng)用.pdf
- 融合用戶差異度及信息熵的協(xié)同過濾推薦算法.pdf
- 基于時(shí)序模型的社會(huì)化推薦算法研究.pdf
- 基于社會(huì)化標(biāo)簽的個(gè)性化推薦算法研究.pdf
- 結(jié)合用戶屬性與自然最近鄰的個(gè)性化推薦算法的研究.pdf
- 融合社會(huì)化標(biāo)簽的協(xié)同過濾算法研究.pdf
評(píng)論
0/150
提交評(píng)論