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、現(xiàn)代網(wǎng)絡(luò)技術(shù)水平的提高帶來了信息過載的問題,用戶很難從巨大的信息中找到用戶需要的內(nèi)容。為了解決這個(gè)問題,推薦系統(tǒng)被提出并延伸出了諸多改進(jìn)。這其中就包括緩解了數(shù)據(jù)稀疏性問題的矩陣分解模型以及諸多改進(jìn)模型等。它們能從用戶的行為數(shù)據(jù)中挖掘出用戶的行為規(guī)律,從而給用戶更準(zhǔn)確地推薦結(jié)果。
然而,矩陣分解技術(shù)也存在著一些問題。其中一個(gè)問題便是它只關(guān)注用戶的行為數(shù)據(jù),并沒有從時(shí)間的角度來考慮用戶的興趣變化。雖然有通過融入時(shí)間因素改進(jìn)矩陣分解
2、的算法,但是它們所用的時(shí)間規(guī)律并沒有從真實(shí)的用戶行為數(shù)據(jù)中提取。本文從給矩陣分解模型增加時(shí)間因素出發(fā)。首先,調(diào)查統(tǒng)計(jì)了大量的真實(shí)用戶行為數(shù)據(jù),得出了用戶興趣度和物品流行度在時(shí)間上所具有的規(guī)律。然后對(duì)統(tǒng)計(jì)所得的結(jié)果進(jìn)行回歸分析,通過分析時(shí)間因素以怎樣的規(guī)律影響用戶興趣和物品流行度,進(jìn)而擬合出相應(yīng)的曲線。然后將物品流行度的時(shí)間曲線和用戶興趣度的時(shí)間曲線分別與基于偏置的矩陣分解模型相融合,并分析在時(shí)間因素影響下用戶和物品偏置對(duì)推薦結(jié)果的影響。
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
- 基于矩陣分解的推薦系統(tǒng)算法研究.pdf
- 基于概率矩陣分解的推薦算法研究.pdf
- 基于近似矩陣分解的推薦算法研究.pdf
- 基于改進(jìn)矩陣分解的推薦算法研究.pdf
- 基于矩陣分解的推薦算法優(yōu)化研究.pdf
- 基于矩陣分解模型的推薦算法研究.pdf
- 基于用戶關(guān)系的矩陣分解推薦算法研究.pdf
- 基于非負(fù)矩陣分解的分類算法研究.pdf
- 基于矩陣分解的壓縮感知重構(gòu)算法研究.pdf
- 基于矩陣分解的協(xié)同過濾推薦算法研究.pdf
- 基于主題矩陣分解模型的新聞推薦算法研究.pdf
- 基于概率矩陣分解的多指標(biāo)推薦算法研究.pdf
- 基于非負(fù)矩陣分解算法的步態(tài)識(shí)別研究.pdf
- 基于雙重正則化的矩陣分解推薦算法研究.pdf
- 基于矩陣分解的并行協(xié)同過濾算法研究.pdf
- 基于非負(fù)矩陣分解的多標(biāo)簽分類算法研究.pdf
- 基于矩陣分解的推薦系統(tǒng)模型和算法改進(jìn)研究.pdf
- 基于非負(fù)矩陣分解算法的離線筆跡鑒別.pdf
- 基于非負(fù)矩陣分解的盲源分離算法研究.pdf
- 基于概率矩陣分解的社會(huì)化推薦算法研究.pdf
評(píng)論
0/150
提交評(píng)論