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、隨著網(wǎng)絡(luò)的普及和信息服務(wù)的發(fā)展,信息服務(wù)系統(tǒng)在為用戶提供越來越多選擇的同時(shí),其結(jié)構(gòu)也變得更加復(fù)雜,用戶經(jīng)常會(huì)迷失在大量的信息空間中,無法順利找到自己所需要的信息。推薦系統(tǒng)可以根據(jù)用戶已有的記錄信息,對(duì)目標(biāo)用戶所將感興趣的信息進(jìn)行推薦,可以更方便的幫助用戶找到其所需的信息。隨著商業(yè)信息化的發(fā)展,推薦系統(tǒng)在信息服務(wù)系統(tǒng)中的應(yīng)用越來越廣,所以提供準(zhǔn)確而實(shí)時(shí)性的推薦系統(tǒng)將是加速當(dāng)今信息產(chǎn)業(yè)化的重點(diǎn)目標(biāo)。 推薦系統(tǒng)通過預(yù)測(cè)用戶對(duì)項(xiàng)目的喜好
2、程度來為用戶進(jìn)行信息過濾,應(yīng)用知識(shí)發(fā)現(xiàn)技術(shù)來生成個(gè)性化推薦。協(xié)同過濾是一種常用的減少信息過載的技術(shù),已經(jīng)成為了個(gè)性化推薦系統(tǒng)的一種主要技術(shù),然而現(xiàn)有大多數(shù)協(xié)同過濾算法存在著幾個(gè)主要問題:精確性,數(shù)據(jù)稀疏和冷啟動(dòng)問題。許多結(jié)合協(xié)同過濾與基于內(nèi)容的信息過濾的算法可以解決這些問題,但是這些算法還不能很好的將用戶的興趣很好的表現(xiàn)出來,因此在很多時(shí)候推薦的結(jié)果并不能很好的滿足用戶的需要,而且在很多情況下,用戶的興趣是會(huì)隨著時(shí)間的推移而發(fā)生變化的,
3、所以,要想提高推薦的質(zhì)量,就必須將用戶的各個(gè)特征以及變化都相應(yīng)的考慮進(jìn)來;另外,不同的項(xiàng)目對(duì)于用戶來說,是具有不同的價(jià)值的,而這些價(jià)值是可以從用戶的評(píng)分信息中進(jìn)行挖掘的。因此,資源本身的價(jià)值也可以成為對(duì)項(xiàng)目進(jìn)行推薦的一個(gè)重要因素。 如何提高推薦質(zhì)量是本研究的目標(biāo),由于推薦質(zhì)量的精確性從很大程序上取決于近鄰用戶的選取,所以要提高推薦質(zhì)量,用戶相似性的精確度就必須得到提高,同時(shí)也是本研究的重點(diǎn)。本文的研究主要是在用戶信息相對(duì)完整的情
4、況下,將用戶的部分特征與資源權(quán)重相結(jié)合,提出了一種基于用戶和資源權(quán)重的推薦方法,在傳統(tǒng)的推薦方法上做了相應(yīng)的改進(jìn)。 本文所做的主要研究以及創(chuàng)新性主要體現(xiàn)在以下幾個(gè)方面: 1)根據(jù)用戶—項(xiàng)目評(píng)分表,建立相應(yīng)的矢量空間模型,在本研究中主要包括用戶特征模型和用戶項(xiàng)目模型。 2)在傳統(tǒng)的協(xié)同過濾技術(shù)的基礎(chǔ)上,引入了時(shí)間函數(shù)f(t),考慮了用戶興趣變化對(duì)用戶間的相似性影響,并根據(jù)項(xiàng)目本身所體現(xiàn)的價(jià)值,設(shè)計(jì)出一個(gè)基于用戶特征
5、以及項(xiàng)目特征的算法,利用該算法計(jì)算出用戶間的相似性,形成相似用戶集。 3)根據(jù)相似用戶集中的用戶信息,使用改進(jìn)的協(xié)同過濾算法對(duì)用戶未評(píng)分的項(xiàng)目進(jìn)行評(píng)分預(yù)測(cè),然后根據(jù)評(píng)分預(yù)算結(jié)果由高到低的順序向用戶推薦指定數(shù)量的項(xiàng)目。 本文的創(chuàng)新點(diǎn)主要是在傳統(tǒng)的協(xié)同過濾算法的基礎(chǔ)上,將用戶特征和資源權(quán)重相結(jié)合,對(duì)傳統(tǒng)的算法作了進(jìn)一種改進(jìn),能更好的適應(yīng)用戶興趣隨時(shí)間而發(fā)生的變化,并平穩(wěn)的考慮了資源自身的權(quán)重,對(duì)最終的預(yù)測(cè)有一定的提高。增強(qiáng)了
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。
最新文檔
- 基于時(shí)間權(quán)重的協(xié)同過濾推薦算法研究.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于用戶協(xié)同過濾的視頻推薦系統(tǒng)研究.pdf
- 基于Hadoop的用戶協(xié)同過濾推薦系統(tǒng)的研究.pdf
- 基于用戶興趣的協(xié)同過濾推薦算法研究.pdf
- 基于用戶與服務(wù)特征的協(xié)同過濾推薦研究.pdf
- 基于用戶聚類的協(xié)同過濾推薦系統(tǒng)研究.pdf
- 基于用戶協(xié)同過濾推薦技術(shù)的研究與實(shí)現(xiàn).pdf
- 基于推薦權(quán)重和動(dòng)態(tài)可靠近鄰的協(xié)同過濾算法.pdf
- 基于遺忘函數(shù)和用戶的協(xié)同過濾推薦算法研究.pdf
- 基于用戶偏好的協(xié)同過濾推薦方法研究.pdf
- 基于協(xié)同過濾的教學(xué)資源推薦研究.pdf
- 基于用戶行為協(xié)同過濾推薦算法.pdf
- 基于協(xié)同過濾的推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于用戶的協(xié)同過濾推薦算法的改進(jìn)研究.pdf
- 基于Hadoop架構(gòu)的用戶協(xié)同過濾影視推薦系統(tǒng)的研究與應(yīng)用.pdf
- 基于用戶興趣偏移的協(xié)同過濾推薦算法研究.pdf
- 基于用戶興趣和項(xiàng)目特性的協(xié)同過濾推薦算法研究.pdf
- 基于用戶興趣變化的協(xié)同過濾推薦算法研究.pdf
- 基于用戶興趣的MC協(xié)同過濾推薦方法研究.pdf
評(píng)論
0/150
提交評(píng)論