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、在大數(shù)據(jù)時代,如何從海量的數(shù)據(jù)中挖掘到自己感興趣的內容成為至關重要的問題。為了滿足用戶的個性化需求,需要進行個性化推薦。傳統(tǒng)的個性化推薦是根據(jù)用戶對物品的歷史評分、瀏覽、點擊等數(shù)據(jù),分析用戶的偏好,給用戶推薦感興趣的物品。然而由于數(shù)據(jù)的稀疏性,對用戶的偏好不能很好的建模。隨著web2.0的發(fā)展,標簽的出現(xiàn)為獲得用戶的偏好信息提供了一個新的數(shù)據(jù)源,能夠更好的分析用戶的偏好信息。
現(xiàn)有的基于標簽的推薦是通過對用戶的打標簽數(shù)據(jù)進行分
2、析,得到用戶對標簽的語義偏好,然后將偏好信息融入到推薦算法中。然而,在使用標簽的過程中,我們發(fā)現(xiàn)原始標簽存在著由用戶差異(文化,地理等)問題,導致的對于同一個語義的不同表達形式,使得用戶標簽矩陣特別的稀疏。
為了能夠更好的利用標簽的語義信息,我們提出了基于稀疏標簽的偏好模型,通過用戶與標簽,物品與標簽,標簽與標簽的關系,使用聚類的方式將相同語義的標簽聚在一起形成一個主題。分析用戶與主題語義的偏好信息,從而降低標簽數(shù)據(jù)的稀疏性。
3、
我們的最終目的是為了使用標簽推薦物品,根據(jù)我們提出的主題語義偏好模型,我們提出了基于主題語義向量,基于主題語義的擴展協(xié)同過濾,基于主題語義傳播的三種推薦算法。最后為了能夠充分利用單個算法的優(yōu)點,我們通過集成學習的思想,將多個推薦模型集成在一起,提高推薦的準確度。
為了驗證我們的算法,我們抓取豆瓣圖書相關的數(shù)據(jù)。實驗表明,在本文提出的基于稀疏標簽的語義偏好模型能夠更好的反映用戶的偏好信息,在我們的模型上實現(xiàn)的集成推薦
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(wǎng)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(jīng)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
- 基于標簽聚類的個性化資源推薦模型研究.pdf
- 基于圖模型的個性化標簽推薦技術研究.pdf
- 基于隱語義模型的個性化新聞推薦系統(tǒng).pdf
- 基于隱語義模型的個性化推薦算法的研究.pdf
- 基于文本語義的個性化圖書推薦.pdf
- 基于標簽的個性化推薦系統(tǒng)的研究.pdf
- 基于標簽的個性化信息推薦問題研究.pdf
- 基于在線快速學習隱語義模型的個性化新聞推薦.pdf
- 基于內容和用戶偏好學習的個性化商品推薦模型.pdf
- 基于社交網(wǎng)絡及隱語義模型的個性化推薦研究.pdf
- 基于社會化標簽的個性化推薦算法研究.pdf
- 基于社會化標簽的個性化信息推薦服務.pdf
- 基于用戶偏好的個性化搜索模型研究.pdf
- 基于行為模型的個性化推薦.pdf
- 基于標簽信息的個性化音樂推薦算法研究.pdf
- 基于社會化標簽的個性化推薦系統(tǒng)研究.pdf
- 基于LBS和社會網(wǎng)絡標簽的個性化推薦研究.pdf
- 基于語義的個性化運動處方推薦系統(tǒng)的研究.pdf
- 基于社交用戶標簽的混合個性化推薦研究.pdf
- 基于語義的個性化推薦服務及其應用研究.pdf
評論
0/150
提交評論