已閱讀1頁，還剩69頁未讀， 繼續(xù)免費(fèi)閱讀
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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)信息技術(shù)的迅速發(fā)展，“信息過載”問題越來越嚴(yán)重。為了幫助用戶快速地找到自己感興趣的產(chǎn)品，進(jìn)而就產(chǎn)生了推薦系統(tǒng)。而作為推薦系統(tǒng)的核心部分，推薦算法也就成為了人們研究的熱點(diǎn)之一。但是作為一個好的推薦系統(tǒng)，不僅要能夠為用戶推薦其感興趣的產(chǎn)品而且還要考慮到產(chǎn)品的流行度會隨時間的推移而變化。因此為了有效解決在推薦過程中產(chǎn)品流行度隨時間變化的問題，研究考慮時間因素的推薦算法就十分重要。
本文針對基于項目的協(xié)同過濾推薦算法，引入時
2、間因素。針對不同項目在不同時間的流行度不同，在推薦中考慮項目在推薦時間的流行度。首先定義了時間窗和項目在任意時間窗的流行度；然后利用時間序列預(yù)測模型預(yù)測項目在推薦時間窗的流行度；再引入融合因子，采用線性加權(quán)的方法將傳統(tǒng)的基于項目的協(xié)同過濾推薦算法和項目流行度相融合；最終提出了融合項目流行度的協(xié)同過濾推薦算法。這種引入時間因素的推薦算法，充分考慮了項目在推薦時間窗的流行度。特別是當(dāng)有新用戶加入系統(tǒng)，無法獲得用戶的歷史行為數(shù)據(jù)時，該推薦算法
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(hù)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(fù)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(zhǔn)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。
最新文檔
- 融合項目屬性相似度和評分相似度的協(xié)同過濾推薦算法.pdf
- 融合邊信息的協(xié)同過濾推薦算法研究.pdf
- 融合用戶差異度及信息熵的協(xié)同過濾推薦算法.pdf
- 基于多因素融合的協(xié)同過濾推薦算法研究.pdf
- 基于項目相似度改進(jìn)的協(xié)同過濾TopN推薦算法研究.pdf
- 協(xié)同過濾推薦算法研究.pdf
- 融合用戶注冊信息的協(xié)同過濾推薦算法.pdf
- 基于組合相似度的協(xié)同過濾推薦算法研究.pdf
- 協(xié)同過濾推薦算法改進(jìn)研究.pdf
- 融合多指標(biāo)與環(huán)境信息的協(xié)同過濾推薦算法.pdf
- 基于用戶多維相似度的協(xié)同過濾推薦算法.pdf
- 新型協(xié)同過濾推薦算法研究.pdf
- 基于用戶相似度的協(xié)同過濾推薦算法研究.pdf
- 基于聯(lián)合相似度的協(xié)同過濾推薦算法研究.pdf
- 基于項目綜合相似度的協(xié)同過濾算法.pdf
- 融合內(nèi)容過濾和協(xié)同過濾的智能推薦系統(tǒng).pdf
- 基于項目特征模型的協(xié)同過濾推薦算法研究.pdf
- 基于項目相似度與用戶需求的協(xié)同過濾推薦算法研究.pdf
- 融合多種上下文的協(xié)同過濾推薦算法研究.pdf
- 基于用戶聯(lián)合相似度的協(xié)同過濾推薦算法研究.pdf
評論
0/150
提交評論