2023年全國(guó)碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩141頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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、在過去的十幾年中,互聯(lián)網(wǎng)上的信息量迅速增加,人們從信息匱乏時(shí)代進(jìn)入了“信息過載”時(shí)代。海量信息使人們無法快速、準(zhǔn)確地從如此龐大的信息資源中定位到自己感興趣的信息。個(gè)性化推薦作為解決該問題的有效方法,可以根據(jù)用戶的歷史行為信息建立“用戶-項(xiàng)目”間的關(guān)聯(lián)關(guān)系模型,挖掘用戶的興趣和偏好,為用戶推薦個(gè)性化的資源。
  個(gè)性化推薦在實(shí)際應(yīng)用中存在小樣本、高維度和非線性等問題,鑒于支持向量機(jī)在小樣本學(xué)習(xí),解決非線性問題時(shí)可以較好的克服“維度災(zāi)

2、難”,以及處理高維稀疏數(shù)據(jù)方面的優(yōu)勢(shì),本文提出了基于支持向量機(jī)的個(gè)性化推薦方法,實(shí)現(xiàn)對(duì)項(xiàng)目的內(nèi)容信息以及用戶行為信息的綜合分析與挖掘。
  本文完成的主要研宄工作如下:
 ?、籴槍?duì)傳統(tǒng)的協(xié)同過濾推薦方法存在相似度計(jì)算方式單一,不易利用項(xiàng)目的內(nèi)容信息和冷啟動(dòng)等問題,提出了利用支持向量分類機(jī)方法來代替?zhèn)鹘y(tǒng)的相似度計(jì)算,不僅考慮了用戶的行為信息,而且也利用了項(xiàng)目的內(nèi)容信息和用戶的人口統(tǒng)計(jì)學(xué)信息。同時(shí),利用帶收縮因子的動(dòng)態(tài)慣性權(quán)重自

3、適應(yīng)粒子群優(yōu)化算法對(duì)支持向量分類機(jī)的參數(shù)進(jìn)行優(yōu)化,以期提高推薦模型的準(zhǔn)確率。
  ②針對(duì)實(shí)際應(yīng)用中,不僅需要推薦列表,而且還需要詳細(xì)的評(píng)分信息(在某種程度上反映了用戶的興趣度),提出了基于支持向量機(jī)先分類再回歸的推薦方法。該方法根據(jù)“用戶-項(xiàng)目”關(guān)聯(lián)關(guān)系信息,構(gòu)造特征向量并訓(xùn)練一個(gè)分類模型,預(yù)測(cè)項(xiàng)目的類別,形成一個(gè)初始推薦列表;然后,在該推薦列表上建立一個(gè)回歸模型,預(yù)測(cè)項(xiàng)目的具體評(píng)分;并且在建立分類模型和回歸模型時(shí),采用提出的帶進(jìn)

4、化速度和聚集度的自適應(yīng)粒子群優(yōu)化算法,來優(yōu)化預(yù)測(cè)模型。
 ?、坩槍?duì)大規(guī)模數(shù)據(jù)中的推薦效率和實(shí)時(shí)性等問題,提出了基于平滑技術(shù)和核減少技術(shù)的對(duì)稱支持向量機(jī)推薦方法。該方法采用平滑技術(shù)對(duì)對(duì)稱支持向量機(jī)進(jìn)行變換,避免了大規(guī)模矩陣的求逆運(yùn)算,降低了算法的時(shí)間復(fù)雜度。為進(jìn)一步提高大規(guī)模數(shù)據(jù)的處理能力,采用核減少技術(shù)進(jìn)一步降低算法的時(shí)間復(fù)雜度和空間復(fù)雜度。同時(shí),鑒于用戶的興趣和偏好會(huì)隨著時(shí)間、地點(diǎn)等不斷演化,對(duì)推薦系統(tǒng)的實(shí)時(shí)性要求較高。為此,引

5、入反饋機(jī)制,將用戶的評(píng)分?jǐn)?shù)據(jù)及時(shí)加入到歷史數(shù)據(jù)中,并設(shè)計(jì)訓(xùn)練規(guī)則,啟動(dòng)模型的重新訓(xùn)練,使模型具有一定的自適應(yīng)能力,提高了模型的推薦質(zhì)量。
 ?、茚槍?duì)個(gè)性化推薦中有標(biāo)簽數(shù)據(jù)價(jià)值高但稀少,同時(shí)對(duì)無標(biāo)簽數(shù)據(jù)標(biāo)注存在耗時(shí)、耗力、代價(jià)高等問題,提出了基于主動(dòng)學(xué)習(xí)的半監(jiān)督直推式支持向量機(jī)推薦方法。首先,挖掘用戶評(píng)價(jià)信息中有價(jià)值的評(píng)論信息,并將其加入到“用戶-項(xiàng)目”關(guān)聯(lián)關(guān)系數(shù)據(jù)集中;然后,采用批采樣的主動(dòng)學(xué)習(xí)策略對(duì)大量無標(biāo)簽的“用戶-項(xiàng)目”數(shù)據(jù)

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。

評(píng)論

0/150

提交評(píng)論