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(rèn)領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)技術(shù)的廣泛普及和迅速發(fā)展,用戶數(shù)量和資源種類不斷增加,網(wǎng)上出現(xiàn)信息過載問題,推薦系統(tǒng)通過獲取用戶行為數(shù)據(jù)可以有效處理信息過載問題。通過觀察記錄用戶行為或評分,推薦系統(tǒng)通過過濾技術(shù)得出推薦結(jié)果。協(xié)同過濾是基于評分相似的最近鄰居的評分?jǐn)?shù)據(jù)向目標(biāo)用戶產(chǎn)生推薦,是目前應(yīng)用最廣泛和最成功的推薦算法,Amazon,CDNow,MovieFinder,都采用了協(xié)同過濾的技術(shù)來提高服務(wù)質(zhì)量。
但由于用戶和資源的數(shù)據(jù)量過大,評價矩
2、陣的稀疏性問題越來越突出,嚴(yán)重影響了推薦系統(tǒng)的推薦質(zhì)量。奇異值分解(SVD)是線性代數(shù)中一種重要的矩陣分解技術(shù),一種對數(shù)據(jù)進行降維處理的方法。符號數(shù)據(jù)分析(SDA)是一種處理海量數(shù)據(jù)的全新數(shù)據(jù)分析思路,運用“數(shù)據(jù)打包”的思想,在大大減少數(shù)據(jù)量的同時,還能從整體上把握樣本的特性。本文提出一種改進的基于符號數(shù)據(jù)的協(xié)同過濾推薦算法,即將奇異值分解和符號數(shù)據(jù)分析方法結(jié)合起來運用到推薦系統(tǒng)中。并通過實證研究證明該算法住數(shù)據(jù)稀疏時的推薦質(zhì)量明顯優(yōu)于
3、傳統(tǒng)的推薦算法。
隨著改革開放的不斷深入,我國的經(jīng)濟取得了突飛猛進的發(fā)展,加之大量外資企業(yè)涌入中國進行投資、制造業(yè)轉(zhuǎn)移中國以及國家的大力支持等因素,近年來我國的物流業(yè)開始起步并迅速發(fā)展,但與發(fā)達(dá)國家相比,存在著明顯的差距。衡量一個同家物流業(yè)發(fā)展水平的一個重要指標(biāo)是物流成本占GDP的比重,中同物流與采購聯(lián)合會發(fā)布的最新數(shù)據(jù)顯示,2010年中國物流總費用占國內(nèi)生產(chǎn)總值比重約18%左右,而發(fā)達(dá)國家的僅為10%。在物流總成本中,運
4、輸成本占到一半以上。所以要想降低物流總成本,減少運輸成本是關(guān)鍵。
本文旨在研究一種改進的基于符號數(shù)據(jù)分析的協(xié)同過濾推薦算法,并將此算法應(yīng)用到物流運輸領(lǐng)域中。建立一個公用物流運輸信息平臺,內(nèi)含中國現(xiàn)有幾十萬家經(jīng)營運輸業(yè)務(wù)的物流公司的信息,通過分析客戶的要求,客戶行為或評分?jǐn)?shù)據(jù),利用基于符號數(shù)據(jù)的協(xié)同過濾算法給客戶推薦一些最有可能適臺自己的物流公司。同時通過此信息平臺可實現(xiàn)多企業(yè)協(xié)同運輸,這樣可以大大節(jié)約物流成本,減少物流成本
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(fù)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
- 基于符號數(shù)據(jù)分析的協(xié)同過濾推薦算法.pdf
- 模糊聚類算法及其在協(xié)同過濾推薦中的應(yīng)用.pdf
- 協(xié)同過濾算法在圖書推薦系統(tǒng)中的應(yīng)用.pdf
- 基于大數(shù)據(jù)的協(xié)同過濾推薦算法研究.pdf
- 基于時間權(quán)重的協(xié)同過濾算法在電子商務(wù)中的應(yīng)用.pdf
- 基于數(shù)據(jù)稀疏性的協(xié)同過濾推薦算法研究.pdf
- 協(xié)同過濾推薦算法在社交網(wǎng)絡(luò)中的研究與應(yīng)用.pdf
- 基于異構(gòu)用戶反饋數(shù)據(jù)的協(xié)同過濾算法研究.pdf
- 協(xié)同過濾算法中數(shù)據(jù)稀疏性問題研究.pdf
- 協(xié)同過濾算法在藥物重定位中的研究與應(yīng)用.pdf
- 推薦系統(tǒng)中協(xié)同過濾算法的改進與應(yīng)用.pdf
- 好友推薦中的協(xié)同過濾算法研究及應(yīng)用.pdf
- 基于搜索的協(xié)同過濾算法在電影推薦系統(tǒng)中的研究與應(yīng)用.pdf
- 基于協(xié)同過濾算法的電影推薦應(yīng)用研究.pdf
- 基于Spark的協(xié)同過濾算法的研究與應(yīng)用.pdf
- 基于標(biāo)簽協(xié)同過濾算法在微博推薦中的研究.pdf
- 協(xié)同過濾技術(shù)及其在推薦系統(tǒng)中的應(yīng)用研究.pdf
- 基于云計算的協(xié)同過濾推薦算法在智慧圖書館中的應(yīng)用.pdf
- 協(xié)同過濾算法及其在電子商務(wù)推薦系統(tǒng)中的應(yīng)用研究.pdf
- 推薦系統(tǒng)中基于內(nèi)存的協(xié)同過濾算法研究.pdf
評論
0/150
提交評論