2023年全國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54頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、互聯網技術迅速融入各行各業(yè)中,信息資源也得以快速增長,數據從稀缺時代轉變到現在的數據爆炸時代。信息量的激增對商家和用戶都在一定程度上帶來嚴峻的考驗,而個性化推薦系統服務是解決這一現狀的有效方法。目前,協同過濾算法是應用最為廣泛的推薦算法之一,但是目前的協同過濾算法都存在數據稀疏性問題和可擴展性問題。本文的目的在于利用降維技術和模糊神經技術解決可擴展性問題和緩解評分數據的稀疏性,從而提高多準則評分協同過濾推薦系統的推薦質量和預測精度。

2、r>  通常,大多數的傳統推薦系統使用單準則評分來表示一個用戶對特定物品的整體喜歡程度,而會忽略用戶對物品不同側面的喜歡程度,未能關注到用戶潛在的各種興趣愛好。而在基于多準則評分的協同過濾推薦算法中,對物品的多個方面進行評分,系統就可以獲得更多用戶的興趣愛好,但同時也增加了數據的主觀性、不確定性和模糊性,從而提高了整個評分矩陣的數據稀疏性,降低推薦系統的可擴展性。因此,本文根據以上多準則評分協同過濾存在的相關問題,采用一種使用高階奇異值

3、分解(High Order Singular Value Decomposition, HOSVD)和自適應模糊神經推理系統(Adaptive Fuzzy Neural Inference System, ANFIS)來解決多維數據帶來的推薦系統可擴展性問題和緩解評分矩陣的稀疏性問題。首先,使用高階奇異值分解(HOSVD)方法把高維數據轉換為多個低維數據;然后,在較低維的數據上分別對用戶間和物品間進行聚類,獲得類標簽;最后,使用基于減法

4、聚類的自適應模糊神經推理系統(ANFIS)從實驗數據中抽取模糊規(guī)則以表示和推理用戶在物品各個方面上的行為特征。高階奇異值分解(HOSVD)和自適應模糊神經推理系統(ANFIS)合理的有機融合,充分利用了高階奇異值分解(HOSVD)高效處理高維度數據的功能,也避免了模糊推理系統的設計要依賴于人類專家經驗。通過利用上述兩種技術和多準則評分協同過濾算法結合,可以顯著地提高算法的準確率,也一定程度上緩解了協同過濾推薦系統的稀疏性問題和擴展性問題

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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,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。

評論

0/150

提交評論