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),請進行舉報或認領(lǐng)
文檔簡介
1、隨著網(wǎng)絡信息資源的急速增長,用戶快速且準確地獲取所需信息變得十分困難。搜索引擎的出現(xiàn)解決了用戶一部分查詢的困難,但是目前該工具實現(xiàn)不了根據(jù)用戶的需求進行推薦的功能。個性化推薦系統(tǒng)是以用戶的需求為標準。比如,商家可以根據(jù)海量的數(shù)據(jù)挖掘用戶的偏好信息,將潛在客戶挖掘出來進而將銷售范圍進一步擴大,從而擁有更多的消費群體。個性化推薦系統(tǒng)就是根據(jù)不同用戶具有不同興趣點這一個客觀現(xiàn)象,對用戶進行個性化推薦,使用戶能夠在大量信息中快速選定自己需要的商
2、品,從而在選擇商品的過程中減少不必要的挑選時間。所以,個性化推薦系統(tǒng)無論針對用戶還是商家而言都具有實用性和價值性。協(xié)同過濾推薦算法是對用戶的行為信息進行分析,將與目標用戶行為信息相近的用戶查找出來,依據(jù)相近用戶對某些物品的偏好度去衡量目標用戶對物品的偏好度,將目標用戶對物品的偏好度按照從高到低進行排序,最后將結(jié)果反饋給目標用戶?;趦?nèi)容的推薦算法實現(xiàn)的主要原理是:根據(jù)對用戶的特征和項目的特征的有效分析進行推薦。常用的項目特征分析建立方法
3、包括:貝葉斯模型,神經(jīng)網(wǎng)絡模型和空間向量模型。用戶的特征則是根據(jù)用戶偏好的項目信息分析得出的。推薦算法可以有效的提高用戶從瀏覽者身份到購買者身份的轉(zhuǎn)化率,從而提升了銷售能力。盡管這些常用的推薦算法已經(jīng)取得了很大成果,但是僅僅根據(jù)單一的評分數(shù)據(jù)來挖掘相似的用戶和物品,得出的推薦效果并不是很理想?,F(xiàn)在很多學者在個性化推薦算法中加入了一些上下文屬性信息,比如標簽、地點等,用這些上下文屬性信息來改善個性化推薦的效果。
本研究在閱讀大量
4、文獻的基礎上,對推薦算法的關(guān)鍵技術(shù)進行了研究,根據(jù)已有技術(shù)進行了創(chuàng)新型改進,并通過仿真模擬實驗證明了該方案的可行性和優(yōu)勢性。具體成果如下:⑴將用戶之間共同評價的項目上下文信息和共同評價過項目的用戶上下文信息融合到推薦算法當中,有效提高了推薦效果的準確率。⑵提出一種基于上下文感知和張量分解的個性化推薦算法(CATD),并在Movie lens大規(guī)模真實數(shù)據(jù)集上進行了仿真實驗,驗證了該算法的有效性。⑶利用核密度估計技術(shù)以及用戶、項目的上下文
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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。
最新文檔
- 基于時間上下文和屬性的個性化推薦研究.pdf
- 基于時間上下文的個性化推薦技術(shù)研究.pdf
- 基于上下文的信息推薦系統(tǒng)研究.pdf
- 基于上下文的個性化信息檢索技術(shù)研究.pdf
- 融入用戶行為上下文的個性化推薦模型.pdf
- 基于情境上下文和社交網(wǎng)絡的個性化推薦方法研究.pdf
- 基于用戶上下文的數(shù)字媒體個性化推薦系統(tǒng)的設計與實現(xiàn).pdf
- 個性化信息推薦系統(tǒng)研究.pdf
- 基于Hadoop的上下文感知推薦系統(tǒng)研究與設計.pdf
- 基于時間上下文的動態(tài)推薦系統(tǒng)研究與應用.pdf
- 基于RFID的上下文感知系統(tǒng)研究.pdf
- 上下文感知推薦.pdf
- 基于本體的個性化信息推薦系統(tǒng)研究.pdf
- 基于用戶上下文與交互行為的社會化推薦系統(tǒng)研究.pdf
- 基于上下文感知的推薦算法研究.pdf
- 基于移動上下文的音樂推薦系統(tǒng).pdf
- 基于本體的LBS個性化信息推薦系統(tǒng)研究.pdf
- 基于社會上下文約束和物品上下文約束的協(xié)同推薦.pdf
- 基于語義Web的上下文感知系統(tǒng)研究.pdf
- 基于用戶歷史行為上下文數(shù)據(jù)的個性化偏好獲取系統(tǒng)的設計與實現(xiàn).pdf
評論
0/150
提交評論