版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著互聯(lián)網(wǎng)的快速發(fā)展,人們已經(jīng)從信息匱乏時(shí)代進(jìn)入了大數(shù)據(jù)時(shí)代,和搜索引擎一樣,個(gè)性化推薦系統(tǒng)也是一種幫助用戶在信息過(guò)載的情況下快速發(fā)現(xiàn)有用信息的工具,它依據(jù)用戶的特征及歷史行為,主動(dòng)向用戶推薦符合其個(gè)人偏好的信息內(nèi)容。
協(xié)同過(guò)濾推薦算法作為個(gè)性化推薦系統(tǒng)中最重要的一種方法,已經(jīng)在實(shí)踐中取得了廣泛的應(yīng)用。本文首先梳理了最新的推薦系統(tǒng)總體發(fā)展趨勢(shì),然后總結(jié)歸納了主流推薦算法的各自特點(diǎn)、適用范圍,重點(diǎn)介紹了新一代大數(shù)據(jù)處理框架Spa
2、rk,包括設(shè)計(jì)機(jī)制與原理,為下一步的研究奠定了理論基礎(chǔ)與實(shí)驗(yàn)基礎(chǔ)。針對(duì)現(xiàn)行的協(xié)同過(guò)濾推薦算法所面臨的冷啟動(dòng)、可擴(kuò)展性、用戶信任等關(guān)鍵問(wèn)題,在以下幾個(gè)方面作了相應(yīng)的理論研究和應(yīng)用研究:
?。?)提出了兩種基于矩陣分解的協(xié)同過(guò)濾算法。為了解決基于傳統(tǒng)模型的協(xié)同過(guò)濾算法的數(shù)據(jù)稀疏性與冷啟動(dòng)問(wèn)題,引入權(quán)重因子,并結(jié)合隱式反饋信息,提出了兩種基于奇異值分解(SVD)的協(xié)同過(guò)濾算法,CSVD算法和NCSVD算法。CSVD算法在基于偏置的矩陣
3、分解模型上引入了權(quán)重因子,以調(diào)整用戶偏置參數(shù)與物品偏置參數(shù)之間的權(quán)重問(wèn)題,NCSVD在此基礎(chǔ)上引入隱式反饋信息,改善了冷啟動(dòng)問(wèn)題,在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)證明表明,其能有效提高SVD系列算法的推薦精度。
(2)將信任機(jī)制引入到上述改進(jìn)的協(xié)同過(guò)濾算法中,構(gòu)建了一種基于信任和矩陣分解的協(xié)同過(guò)濾算法。結(jié)果表明,信任是影響推薦系統(tǒng)的一重要因素,在推薦系統(tǒng)中對(duì)其研究是有意義的。
(3)針對(duì)矩陣分解算法計(jì)算量大,訓(xùn)練時(shí)間長(zhǎng),難以應(yīng)用
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于項(xiàng)目云的個(gè)性化推薦算法研究.pdf
- 云計(jì)算平臺(tái)下的個(gè)性化推薦算法設(shè)計(jì).pdf
- 基于Hadoop平臺(tái)的個(gè)性化推薦算法研究與應(yīng)用.pdf
- 基于網(wǎng)絡(luò)的個(gè)性化推薦算法研究.pdf
- 基于鍵值的個(gè)性化推薦算法.pdf
- 基于機(jī)器學(xué)習(xí)的眾籌平臺(tái)個(gè)性化推薦算法研究.pdf
- 基于信任機(jī)制的個(gè)性化推薦算法研究.pdf
- 基于遷移學(xué)習(xí)的個(gè)性化推薦算法研究.pdf
- 基于用戶行為的個(gè)性化推薦算法研究.pdf
- 基于本體的影視個(gè)性化推薦算法研究.pdf
- 基于關(guān)聯(lián)規(guī)則的個(gè)性化推薦算法研究.pdf
- 基于主動(dòng)學(xué)習(xí)的個(gè)性化推薦算法研究.pdf
- 基于集成學(xué)習(xí)的個(gè)性化推薦算法研究.pdf
- 個(gè)性化推薦系統(tǒng)算法研究.pdf
- 基于QoS的個(gè)性化云服務(wù)推薦方法研究.pdf
- 基于項(xiàng)目的個(gè)性化推薦算法研究.pdf
- 基于綜合評(píng)價(jià)的個(gè)性化推薦算法研究.pdf
- 基于聚類的個(gè)性化推薦算法研究.pdf
- 基于云計(jì)算的電子商務(wù)個(gè)性化推薦研究.pdf
- 基于自然遺忘的個(gè)性化推薦算法研究.pdf
評(píng)論
0/150
提交評(píng)論