基于概率分類(lèi)模型的個(gè)性化推薦算法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩60頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)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、在信息過(guò)載的時(shí)代,用戶(hù)如何從海量的信息中找到自己感興趣的內(nèi)容,以及信息提供者如何精準(zhǔn)地為用戶(hù)提供信息,都是比較困難的事情。個(gè)性化推薦系統(tǒng)能夠自動(dòng)跟蹤用戶(hù)的興趣特征,并精準(zhǔn)地為用戶(hù)推薦可能感興趣的商品、網(wǎng)頁(yè)等,從而解決用戶(hù)獲取信息的效率問(wèn)題。
  傳統(tǒng)基于用戶(hù)(User-based)和基于對(duì)象(Item-based)的個(gè)性化推薦算法面臨數(shù)據(jù)稀疏性問(wèn)題和冷啟動(dòng)問(wèn)題,在數(shù)據(jù)稀疏的情況下,推薦系統(tǒng)沒(méi)有足夠的信息為用戶(hù)進(jìn)行準(zhǔn)確推薦。

2、  為了解決個(gè)性化推薦中的數(shù)據(jù)稀疏和冷啟動(dòng)問(wèn)題,本文將個(gè)性化推薦問(wèn)題看成是一個(gè)概率分類(lèi)問(wèn)題,結(jié)合傳統(tǒng)的Item-based算法思想,將用戶(hù)過(guò)去的評(píng)分信息作為一個(gè)重要的分類(lèi)依據(jù)建模到該分類(lèi)模型中,并且引入用戶(hù)信息、對(duì)象信息、時(shí)間等上下文信息到模型中作為分類(lèi)依據(jù)。在對(duì)用戶(hù)過(guò)去的評(píng)分信息進(jìn)行處理的時(shí)候,同樣可能因相似度不能計(jì)算導(dǎo)致算法無(wú)法繼續(xù)的問(wèn)題,本文采用一種模擬隨機(jī)填充的方式來(lái)解決。
  本文使用經(jīng)典的廣義線(xiàn)性概率分類(lèi)方法:Logi

3、stic分類(lèi)方法和最大熵分類(lèi)方法來(lái)對(duì)本文的概率分類(lèi)模型進(jìn)行學(xué)習(xí)。先對(duì)Logistic分類(lèi)模型和最大熵分類(lèi)模型的原理進(jìn)行介紹,然后通過(guò)Logistic分類(lèi)方法和最大熵分類(lèi)方法來(lái)對(duì)前面提到的概率分類(lèi)問(wèn)題進(jìn)行建模,得到基于 Logistic的個(gè)性化推薦分類(lèi)模型(LC)和基于最大熵原理的個(gè)性化推薦分類(lèi)模型(MaxEnt)。
  最后在實(shí)際的交易數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),先對(duì)本文的LC模型和MaxEnt進(jìn)行參數(shù)調(diào)優(yōu),然后與傳統(tǒng)的算法進(jìn)行對(duì)比,本文的

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(hù)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(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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。

評(píng)論

0/150

提交評(píng)論