版權(quán)說(shuō)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、ADissertationSubmittedtoZhejiangUniversityfortheDegreeofMasterofEngineering1一一⑧TITLE:ResearchofaSocia—l—RecommendationSystembasedonTopicModelsAuthor:Supervisor:Subject:College:ComputerAppllcatmn1echnology—————————1r—————
2、—————。?!?r—,r_一一一。SubmittedDate:20l3/3/18浙江大學(xué)碩士學(xué)位論文AbstractAbstractWiththeexplosivegrowthofonlinesocialnetworks,thesocialnetworkbasedapproachestorecommendationhavebeenwellstudiedanddevelopedIntherealworld,usersofsocial
3、networkalwayschooseinformationswithrespecttotheircontentButmostsocialrecommendersystemsarebuiltonthecombinationofcollaborativefilteringandsocialtrustpropagationmodel,withoutconcerningthetextcontentofitemsToincreasetheacc
4、uracyofsocialrecommendation,weintroducetopicmodelsintosocialrecommendation,takingthetopicsofitemsasfactorsofusers’ratingsWefirstanalysethetechniquesoftopicmodelingandsocialrecommendingBasedonourstudies,weproposeatrust—ba
5、sedtopicmodelnamedTBLDA(TrustBasedfactorizationmodelofLatentDirichletAllocation)forrecommendationsystemsInmodelfittingprocedure,wefactorizetheratingmatrixtoobtainlatentfeaturefactors,andconsidertheinfluenceofsocialconnec
6、tionsonpersonalaffinityFittedmodelcanbeusedtopredictunknownratingsandproviderecommendationforusersInordertoformmorepredictiveitemfactors,weadoptLDAtopicmodeltoinferlatenttopicsofitemsThetrainingphaseofLDAtakesobservedrat
7、ingsasbasisofposteriorprobabilityThissupervisedlearningmethodwillachievebetterpredictionsforparcticalpurposeofrecommendationThenweconductexperimentsonadatasetcrawledfromWeibocomTheexperimentalresultsdemonstratethatourapp
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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
- 基于社會(huì)化標(biāo)簽的個(gè)性化推薦系統(tǒng)研究.pdf
- 基于用戶評(píng)論的社會(huì)化媒體新聞推薦系統(tǒng)研究.pdf
- 基于隱變量模型的社會(huì)化推薦研究.pdf
- 社會(huì)化美食推薦系統(tǒng)研究與設(shè)計(jì).pdf
- 融合社會(huì)化標(biāo)簽的協(xié)同推薦系統(tǒng)研究.pdf
- 基于時(shí)序模型的社會(huì)化推薦算法研究.pdf
- 72273.基于情感相似度的社會(huì)化推薦系統(tǒng)研究
- 基于多樣性的社會(huì)化推薦系統(tǒng)研究與實(shí)現(xiàn).pdf
- 基于概率主題模型的社會(huì)化情感分析.pdf
- 基于用戶上下文與交互行為的社會(huì)化推薦系統(tǒng)研究.pdf
- 基于主題模型的學(xué)術(shù)論文推薦系統(tǒng)研究.pdf
- 基于LDA的社會(huì)化標(biāo)簽系統(tǒng)推薦技術(shù)研究.pdf
- 基于社會(huì)化標(biāo)簽的個(gè)性化推薦算法研究.pdf
- 移動(dòng)應(yīng)用中融合社會(huì)化網(wǎng)絡(luò)的LBS推薦系統(tǒng)研究與應(yīng)用.pdf
- 基于隱式主題模型的個(gè)性化圖書(shū)推薦系統(tǒng)研究與實(shí)現(xiàn).pdf
- 基于貝葉斯理論的社會(huì)化標(biāo)注主題聚類模型研究.pdf
- 社會(huì)化標(biāo)注系統(tǒng)中群組推薦方法研究.pdf
- 社會(huì)化標(biāo)簽推薦算法的研究.pdf
- 基于社會(huì)化網(wǎng)絡(luò)的個(gè)性化音樂(lè)推薦算法研究.pdf
- 基于社會(huì)化標(biāo)簽的音樂(lè)推薦技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論