2023年全國(guó)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61頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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、如今,隨著互聯(lián)網(wǎng)的開放式發(fā)展,互聯(lián)網(wǎng)中的信息已經(jīng)開始指數(shù)級(jí)的增長(zhǎng),信息過載的問題愈發(fā)嚴(yán)重。如何在大量的信息中篩選出用戶需要的信息成為當(dāng)今互聯(lián)網(wǎng)急待解決的問題。推薦系統(tǒng)就是在這樣的背景下誕生的,推薦系統(tǒng)能幫助用戶挖掘海量數(shù)據(jù)里深層次潛在的信息,幫助用戶快速獲取需要的內(nèi)容,從而被廣泛應(yīng)用。隨著推薦系統(tǒng)的發(fā)展,其核心的推薦算法也層出不窮。因此本文選擇推薦算法作為研究的重點(diǎn)之一。
  首先,分析了在推薦算法中比較成熟的協(xié)同過濾。然而協(xié)同過

2、濾技術(shù)中,由于其過度依賴于用戶項(xiàng)目的評(píng)分矩陣,在有效數(shù)據(jù)不足的條件下,由于數(shù)據(jù)稀疏推薦系統(tǒng)的準(zhǔn)確度會(huì)隨之下降。本文為解決協(xié)同過濾技術(shù)中的評(píng)分矩陣的稀疏性問題,采用了基于ALS的矩陣分解算法,將稀疏的評(píng)分矩陣分解為稠密的特征矩陣,從而解決了矩陣稀疏性的問題。另一方面,由于單個(gè)推薦算法在面對(duì)復(fù)雜的應(yīng)用環(huán)境時(shí),推薦效果往往無法讓人滿意。本文采用結(jié)合了用戶協(xié)同過濾與項(xiàng)目協(xié)同過濾的混合協(xié)同過濾推薦算法,通過動(dòng)態(tài)調(diào)整算法權(quán)重,保證算法的即時(shí)性。通過

3、實(shí)驗(yàn)的比較可以得出,本文設(shè)計(jì)的混合推薦算法對(duì)比傳統(tǒng)的協(xié)同過濾具有較好的準(zhǔn)確度。
  其次,對(duì)目前混合推薦算法的特點(diǎn)進(jìn)行分析,雖然混合推薦有較好的準(zhǔn)確性,但是算法過程的融合導(dǎo)致算法復(fù)雜度增加。因此本文將推薦算法與 Spark分布式平臺(tái)進(jìn)行了結(jié)合,將推薦算法中復(fù)雜的相似度計(jì)算過程進(jìn)行并行化,提高了算法的計(jì)算效率。通過 MovieLens的數(shù)據(jù)集合實(shí)驗(yàn)證明,混合推薦算與 Spark分布式平臺(tái)具有比較好的并行性能,同時(shí)也凸顯了 Spark

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(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

評(píng)論

0/150

提交評(píng)論