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、隨著計(jì)算機(jī)網(wǎng)絡(luò)的快速發(fā)展,用戶每天上網(wǎng)都會(huì)面臨巨大的信息量,這就導(dǎo)致出現(xiàn)了信息過(guò)載。為了解決信息過(guò)載,最早出現(xiàn)的是搜索引擎。但是人們慢慢發(fā)現(xiàn)搜索引擎無(wú)法滿足人們的個(gè)性化需求,在此情況下,個(gè)性化推薦系統(tǒng)得以發(fā)展起來(lái)??蒲薪缛藛T和工業(yè)界人員在過(guò)去的一段時(shí)間,付出了大量的時(shí)間和經(jīng)歷著手解決此問(wèn)題,以使得人們的網(wǎng)上生活變得更加便捷。但是當(dāng)前個(gè)性化推薦技術(shù)距離滿足人們的需求還有一大截的距離,還有很大的提升空間。
從推薦算法的原理出發(fā),給
2、出了推薦系統(tǒng)算法的分類:基于內(nèi)容的推薦算法、基于協(xié)同過(guò)濾的推薦算法以及混合推薦算法。本文分析了各種推薦算法的優(yōu)點(diǎn)和缺點(diǎn),并給出了一種基于隱語(yǔ)義的混合算法,用于提高推薦效果。本文的主要工作如下:
(1)給出了推薦系統(tǒng)的產(chǎn)生原因、當(dāng)前工業(yè)界和學(xué)術(shù)界對(duì)推薦算法的研究狀況和各種常用的推薦算法。
(2)給出了推薦系統(tǒng)中的隱語(yǔ)義模型,隱語(yǔ)義模型借助隱特征空間將用戶和物品聯(lián)系起來(lái),隱特征空間能夠很好的表達(dá)用戶興趣和物品信息屬性,比
3、傳統(tǒng)的推薦算法效果好。
(3)使用譜聚類得到用戶隱類和物品隱類。借助原始評(píng)分?jǐn)?shù)據(jù)矩陣進(jìn)行投票從而得到用戶隱類和物品隱類的關(guān)系權(quán)重矩陣。這樣大大降低了原始評(píng)分?jǐn)?shù)據(jù)的維度,提高了效率。綜合隱語(yǔ)義模型和隱類關(guān)系提出了一種新的混合推薦算法,并使用人工神經(jīng)網(wǎng)絡(luò)對(duì)混合推薦算法中的參數(shù)進(jìn)行優(yōu)化,實(shí)驗(yàn)證明此混合推薦算法改善了推薦效果。
(4)在評(píng)分矩陣中一般將空的評(píng)分記錄設(shè)置為O,這樣是不合理的。本文分別從用戶和物品的角度出發(fā),給出
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
- 推薦系統(tǒng)中的隱語(yǔ)義模型算法研究.pdf
- 基于隱語(yǔ)義模型的個(gè)性化推薦算法的研究.pdf
- 基于學(xué)習(xí)自動(dòng)機(jī)的隱語(yǔ)義模型推薦算法改進(jìn)研究.pdf
- 基于隱語(yǔ)義模型的推薦系統(tǒng)研究.pdf
- 基于隱語(yǔ)義模型的網(wǎng)絡(luò)視頻推薦系統(tǒng)研究.pdf
- 基于隱語(yǔ)義模型的個(gè)性化新聞推薦系統(tǒng).pdf
- 基于社交網(wǎng)絡(luò)及隱語(yǔ)義模型的個(gè)性化推薦研究.pdf
- 基于在線快速學(xué)習(xí)隱語(yǔ)義模型的個(gè)性化新聞推薦.pdf
- 基于混合語(yǔ)義矩陣的視頻推薦系統(tǒng).pdf
- 基于協(xié)同過(guò)濾模型與隱語(yǔ)義模型的推薦系統(tǒng)研究與實(shí)現(xiàn).pdf
- 基于時(shí)間加權(quán)的混合推薦算法研究.pdf
- 基于主題模型的混合推薦算法研究.pdf
- 基于詞向量的標(biāo)簽語(yǔ)義推薦算法研究.pdf
- 基于混合圖的推薦算法
- 基于概率隱語(yǔ)義分析的人臉識(shí)別.pdf
- 基于SCOT的語(yǔ)義標(biāo)簽推薦模型及算法研究.pdf
- 基于MapReduce框架的混合推薦算法.pdf
- 基于合著網(wǎng)絡(luò)的論文混合推薦算法研究.pdf
- 基于合著網(wǎng)絡(luò)論文混合推薦算法研究
- 基于用戶興趣向量的混合推薦算法.pdf
評(píng)論
0/150
提交評(píng)論