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),請進行舉報或認領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展,人類已進入了信息社會和互聯(lián)網(wǎng)經(jīng)濟時代,電商網(wǎng)站的用戶和物品數(shù)目激增,用戶難以從繁多的商品中挑選心儀的產(chǎn)品。因此個性化推薦系統(tǒng)應(yīng)運而生,它能夠根據(jù)用戶的個性化需求有針對性地為其提供推薦服務(wù)。協(xié)同過濾是目前個性化推薦系統(tǒng)中應(yīng)用最廣泛、最成功的推薦算法,但是面臨數(shù)據(jù)稀疏性、冷啟動、算法可擴展性和仍然有待提高的準確性等問題的挑戰(zhàn)。本文重點研究了協(xié)同過濾推薦算法的相關(guān)問題與最新成果,從現(xiàn)有研究在提高準確度時考慮較少的用戶
2、評分偏好和用戶局部相似性兩個因素出發(fā),提出了針對協(xié)同過濾準確性問題的改進算法。本文的研究內(nèi)容主要包括以下兩個方面:
第一,基于不同用戶在對項目進行評分時有不同評分偏好的事實,提出一種基于用戶評分偏好的協(xié)同過濾算法(Rating Preference Distance,RPD),旨在緩解用戶評分偏好因素對近鄰用戶選擇的影響,提高預(yù)測評分精度。該算法將評分值分為“正性”和“負性”兩個方面,在計算用戶間相似性時,分正負性構(gòu)造評分偏好
3、因子計算公式,利用其改進用戶相似性計算方法,提高近鄰用戶選擇的準確性;對最后的預(yù)測評分計算公式也分正負性評分進行重構(gòu),以提高預(yù)測評分計算的準確性。對比實驗結(jié)果表明,RPD算法能顯著提高預(yù)測評分的精確度,從而為推薦項目的選擇打下良好的基礎(chǔ)。
第二,基于用戶間存在局部相似性的事實,提出一種基于局部項目空間的協(xié)同過濾算法(Local Item Space Distance,LISD),旨在通過在局部項目空間選擇近鄰用戶和計算預(yù)測評分
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(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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)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
- 基于用戶偏好的協(xié)同過濾算法研究.pdf
- 基于用戶評分和用戶特征的混合協(xié)同過濾算法研究.pdf
- 基于用戶偏好的協(xié)同過濾推薦方法研究.pdf
- 基于評論與評分的協(xié)同過濾算法研究.pdf
- 基于協(xié)同過濾算法的用戶喜好研究
- 基于用戶評分和遺傳算法的協(xié)同過濾推薦算法.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于用戶評論評分與信任度的協(xié)同過濾算法研究.pdf
- 基于模范用戶的協(xié)同過濾算法研究.pdf
- 基于用戶偏好和用戶意見的協(xié)同過濾系統(tǒng).pdf
- 基于用戶行為的協(xié)同過濾算法研究.pdf
- 基于協(xié)同過濾算法的用戶喜好研究 _1
- 結(jié)合信任機制和用戶偏好的協(xié)同過濾推薦算法.pdf
- 基于用戶興趣的協(xié)同過濾推薦算法研究.pdf
- 基于用戶興趣變化的協(xié)同過濾算法研究.pdf
- 基于用戶行為協(xié)同過濾推薦算法.pdf
- 基于協(xié)同過濾算法的用戶喜好研究 _2
- 基于協(xié)同過濾算法的用戶喜好研究 _0
- 基于神經(jīng)網(wǎng)絡(luò)集成和用戶偏好模型的協(xié)同過濾推薦算法研究.pdf
- 基于用戶實時反饋的協(xié)同過濾算法研究.pdf
評論
0/150
提交評論