2023年全國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84頁未讀 繼續(xù)免費閱讀

下載本文檔

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、近年來,在電子商務迅速發(fā)展的帶動下,個性化推薦系統(tǒng)( Personalized Recommendation System)的研究工作獲得了人們的極大關注,隨著互聯(lián)網(wǎng)應用范圍的進一步擴大,推薦系統(tǒng)在其中發(fā)揮著越來越重要的作用。然而,傳統(tǒng)的推薦算法大多是面向注冊用戶或者適用范圍相對有限,而隨著互聯(lián)網(wǎng)用戶數(shù)量的急劇增加和提供的服務日益多樣化,客觀上急需能夠滿足不同用戶推薦需求的算法,此外,不同應用領域由于各自特點也需要有專門針對該領域的推薦

2、系統(tǒng),從這些實際應用需求出發(fā),本文首先對面向未注冊用戶的推薦算法進行了研究。
  在傳統(tǒng)推薦系統(tǒng)中,由于缺乏必要信息,未注冊用戶往往不能夠享受到相應的推薦服務或推薦質量不高,為此本文提出了兩種專門針對此類用戶進行推薦的算法,它們分別是在傳統(tǒng)的基于內容(Content-based)和基于空間關聯(lián)規(guī)則(Association Rule-based)推薦的基礎上擴展改進而來,這些算法利用眾多未注冊用戶訪問時留下的零散記錄,從中提取出有用

3、信息為推薦算法提供支持。實驗結果表明,這些算法在一些特定條件下能夠取得良好的推薦效果,但由于受到未注冊用戶可利用信息不足的限制,其應用范圍相對有限。
  以電子商務推薦系統(tǒng)為代表的大多數(shù)推薦系統(tǒng)都是根據(jù)用戶的當前瀏覽內容和歷史訪問記錄來預測用戶的個人偏好,然而在瞬息萬變的信息時代,對于某些如新聞資訊、視頻點播等具有時效性的應用領域,相比于個人歷史偏好、PageRank等相對固定的因素而言,內容新鮮度、單位時間點擊率以及其他用戶的瀏

4、覽效果或許更為重要,因為在這些領域,用戶所感興趣的內容是會隨著社會事件的發(fā)展和時間的流逝而不斷變化的,而傳統(tǒng)的推薦系統(tǒng)由于對這些因素考慮不全而通常沒能及時的反映這些變化。
  針對這一缺陷,本文創(chuàng)新性地提出有效性反饋思想,用戶的每一次點擊不僅會作為自己的歷史訪問記錄,同時也會將對該內容的瀏覽效果實時的反饋至推薦系統(tǒng);而對于待推薦對象來說,其獲得的預測評分也不再是靜態(tài)的,除了常規(guī)的查詢相似度、內容長度、PageRank值、鏈入鏈出數(shù)

5、量等,它還將受到內容新鮮度、訪問量、瀏覽效果及全體用戶評價等眾多因素的影響。毫無疑問,這些因素的加入能夠更加客觀真實的反映出當前全體用戶對于目標對象的綜合評價,而這些評價又有助于對該用戶的喜好做出預測。
  如何將反饋思想應用于各種具體的推薦模型是本文研究的另一項重要內容,排序學習(Learning toRank)是解決這一問題的重要技術,本文詳細討論了如何結合排序學習技術將有效性反饋思想應用于各種傳統(tǒng)的推薦算法,并通過實驗分別檢

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。

評論

0/150

提交評論