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(bào)或認(rèn)領(lǐng)
文檔簡介
1、在商品推薦中,由于單一種類的推薦算法在使用時(shí)存在缺陷,所以引進(jìn)其他算法與之組合來進(jìn)行工作。但是引入額外的算法又會帶來新算法的缺陷,而且組合多個(gè)算法共同進(jìn)行商品推薦,算法間會存在沖突,導(dǎo)致推薦結(jié)果變差。博弈論常被用作多個(gè)對象在沖突狀態(tài)下進(jìn)行最佳決策選擇的依據(jù)。納什均衡是沖突狀態(tài)下博弈的平衡點(diǎn),處在納什均衡的對象可取得其在博弈中所能達(dá)到的最佳效用值。因此,通過使用納什均衡相關(guān)理論來優(yōu)化由多個(gè)算法組合而成的商品推薦算法,可以解決推薦算法所存在
2、的問題。
為解決問題,以優(yōu)化由協(xié)同過濾和聚類組合形成的商品推薦算法為例,本文開展了以下工作。第一,根據(jù)博弈的基本要素對組合多個(gè)算法的商品推薦進(jìn)行分析,建立相關(guān)博弈模型。第二,分析博弈模型中的各算法間的矛盾沖突,找出其中的納什均衡,并建立均衡模型。第三,由基于均衡模型的矛盾沖突分析,結(jié)合隨機(jī)優(yōu)化算法的工作原理,抽象出基于均衡模型的隨機(jī)優(yōu)化算法。第四,使用得到的隨機(jī)優(yōu)化算法來對由多個(gè)算法組合而成的商品推薦算法進(jìn)行優(yōu)化。第五,在
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(shí)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
- 粒子群優(yōu)化算法及在盲均衡中的應(yīng)用.pdf
- 幾個(gè)優(yōu)化算法在投資組合模型中的應(yīng)用.pdf
- 現(xiàn)代優(yōu)化算法在負(fù)荷模型辨識中的應(yīng)用.pdf
- 基于聚類的商品推薦算法的研究與應(yīng)用.pdf
- 基于QPSO算法的最優(yōu)值求解在NASH均衡中的應(yīng)用.pdf
- 基于圖的商品推薦算法研究.pdf
- 視頻網(wǎng)站中混合模型推薦算法的優(yōu)化.pdf
- 在矛盾沖突中尋求衡平、公正.pdf
- 智能優(yōu)化算法在土坡穩(wěn)定分析中的應(yīng)用.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的均衡算法在通信系統(tǒng)中的應(yīng)用.pdf
- 免疫優(yōu)化算法在正交小波盲均衡中的應(yīng)用研究.pdf
- 群智能優(yōu)化算法PSO及其在幾類模型優(yōu)化中的應(yīng)用.pdf
- 改進(jìn)蟻群算法在盲均衡中的應(yīng)用.pdf
- 常模算法研究及其在盲均衡中的應(yīng)用.pdf
- 蟻群算法及其在盲均衡中的應(yīng)用.pdf
- 基于優(yōu)化蟻群算法的Snake模型在醫(yī)學(xué)圖像分割中的應(yīng)用研究.pdf
- 全局優(yōu)化算法及在SNP關(guān)聯(lián)分析中的應(yīng)用.pdf
- 基于全局信息的推薦算法及其在社交網(wǎng)絡(luò)中的應(yīng)用.pdf
- 恒模算法及其在盲均衡中的應(yīng)用.pdf
- 推薦系統(tǒng)中隨機(jī)森林算法的優(yōu)化與應(yīng)用.pdf
評論
0/150
提交評論