已閱讀1頁，還剩68頁未讀， 繼續(xù)免費閱讀
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、隨著電子商務(wù)的蓬勃發(fā)展，推薦系統(tǒng)正逐漸滲透人們的日常生活，并不斷改善用戶的在線體驗。協(xié)同過濾作為推薦系統(tǒng)中使用最成功應(yīng)用最廣泛的技術(shù)，得到了越來越多的關(guān)注和研究。本文針對協(xié)同過濾推薦技術(shù)中數(shù)據(jù)稀疏導(dǎo)致的預(yù)測評分精度低以及冷啟動問題提出了相應(yīng)的解決方法，具體的研究內(nèi)容如下。
本文首先分析了協(xié)同過濾推薦系統(tǒng)的研究現(xiàn)狀，并對協(xié)同過濾推薦系統(tǒng)的分類和方法進行了較為詳細的描述，針對協(xié)同過濾推薦系統(tǒng)面臨的問題，總結(jié)了研究人員提出的相應(yīng)的改
2、進策略以及不足之處。
其次，針對數(shù)據(jù)稀疏導(dǎo)致的評分預(yù)測精度不高的問題，通過分析用戶-項目評分的上下文關(guān)系，引入了奇異值的概念?？紤]每個項目評價數(shù)量的比例以及用戶共評項目的比例，分別將傳統(tǒng)的皮爾森相似度(PCC)算法和 Jaccard算法進行了改進，并將兩種改進的方法以兩種方式相結(jié)合，以得到更好的推薦算法。
再次，針對冷啟動的問題，引入信任信息。根據(jù)用戶相似度重新設(shè)置信任矩陣中的信任值，即去掉信任矩陣中相似度低于某一閾
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(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于矩陣分解的協(xié)同過濾推薦算法研究.pdf
- 基于信任模型的協(xié)同過濾推薦算法的研究.pdf
- 基于動態(tài)信任模型的協(xié)同過濾推薦算法研究.pdf
- 基于信任傳播模型的協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾和矩陣分解的推薦算法的研究與改進.pdf
- 基于信任傳播模型的協(xié)同過濾推薦算法研究(1)
- 基于信任的協(xié)同過濾推薦模型研究.pdf
- 基于信任關(guān)系的協(xié)同過濾推薦策略研究.pdf
- 基于矩陣分解及其圖模型的協(xié)同過濾推薦算法研究.pdf
- 結(jié)合信任機制和用戶偏好的協(xié)同過濾推薦算法.pdf
- 基于信任網(wǎng)絡(luò)的協(xié)同過濾算法研究.pdf
- 基于核矩陣分解和魯棒估計的協(xié)同過濾推薦算法.pdf
- 基于信任的協(xié)同過濾推薦研究與應(yīng)用.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于協(xié)同過濾技術(shù)的推薦算法研究.pdf
- 基于協(xié)同過濾的圖書推薦算法研究.pdf
- 基于信任關(guān)系和興趣變化的協(xié)同過濾算法研究.pdf
- 基于SVD的協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾的器件推薦算法研究.pdf
- 基于協(xié)同過濾技術(shù)的推薦算法研究
評論
0/150
提交評論