基于改進的等概率傳播推薦算法研究.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、隨著Web數(shù)據(jù)量的不斷增加,人們可以通過網(wǎng)絡搜索到各種各樣的信息。然而,面對如此大量又復雜的信息,人們很難輕松地找到自己感興趣的內(nèi)容,這就使得推薦系統(tǒng)變得越來越受歡迎。通過推薦系統(tǒng)的推薦,人們可以找到符合自己偏好的信息。目前,推薦系統(tǒng)主要應用于電子商務、社會媒體、影視等領(lǐng)域。
  本文首先概述了傳統(tǒng)的協(xié)同過濾算法、基于神經(jīng)網(wǎng)絡的推薦算法和基于支持向量機的推薦算法。在協(xié)同過濾算法中主要介紹了相似性和預測評分的多種計算方法,而在基于神

2、經(jīng)網(wǎng)絡的推薦算法和基于支持向量機的推薦算法中,主要介紹了如何構(gòu)建神經(jīng)網(wǎng)絡的推薦模型和支持向量機的推薦模型。通過觀察各個算法所得到的預測評分和實際評分之間的平均絕對誤差來評估各個算法的性能。
  接下來,我們基于一種二部圖上等概率傳播算法,研究了兩種改進的算法,即調(diào)節(jié)資源配置的等概率傳播算法和消除冗余的等概率傳播算法。在調(diào)節(jié)資源配置的等概率傳播算法中,我們對等概率傳播算法中產(chǎn)品的資源分配進行了優(yōu)化,研究結(jié)果表明,與原有的等概率傳播算

3、法相比較,調(diào)節(jié)資源配置的等概率傳播算法在推薦準確度上略有提高。進一步,我們研究了推薦系統(tǒng)中冗余屬性對算法效果的影響,提出了一種消除冗余的等概率傳播算法。研究結(jié)果表明消除冗余的等概率傳播算法的準確度比等概率傳播算法提高了21.2%,并且在多樣性方面也有一定程度的提高。由此可知,消除冗余的等概率傳播算法進一步優(yōu)化了等概率傳播算法的推薦性能。此外,消除冗余的等概率傳播算法在準確度和多樣性方面也優(yōu)于傳統(tǒng)的協(xié)同過濾算法和調(diào)節(jié)資源配置的等概率傳播算

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。

評論

0/150

提交評論