基于評論和評分的個性化推薦算法研究.pdf_第1頁
已閱讀1頁，還剩81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、作為最成功的推薦技術(shù)，傳統(tǒng)協(xié)同過濾算法的核心是從用戶對產(chǎn)品的評分中計算用戶相似度或者產(chǎn)品相似度，進而基于相似用戶或者相似產(chǎn)品的評分預(yù)測目標用戶可能的評分并產(chǎn)生推薦。但是在實際應(yīng)用中，存在著數(shù)據(jù)稀疏性的問題，即大多數(shù)用戶只給出少量的評分。在這種情況下，傳統(tǒng)的基于評分的協(xié)同過濾算法并不能產(chǎn)生令人滿意的推薦效果。
　　 為此，本文提出了一個新的基于主題模型的協(xié)同過濾推薦系統(tǒng)和兩個推薦算法，分別是基于主題模型和用戶的協(xié)同過濾算法以及基于

2、主題模型和產(chǎn)品的協(xié)同過濾算法。
　　 基于主題模型的方法，首先對用戶評論進行處理，計算評論的主題概率分布，表示用戶對產(chǎn)品不同特征的偏好。其次在基于主題模型和用戶的協(xié)同過濾算法中，綜合了每個用戶給出的所有評論的主題概率分布，計算用戶最重視特征，表示用戶最重視的產(chǎn)品特征?；谟脩糇钪匾曁卣?，計算用戶相似度。然后，根據(jù)相似用戶的評分預(yù)測目標用戶可能的評分。在基于主題模型和產(chǎn)品的協(xié)同過濾算法中，也綜合了每個產(chǎn)品得到的所有評論的主題概率分

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(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(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(dān)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