已閱讀1頁，還剩62頁未讀， 繼續(xù)免費閱讀
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)，請進行舉報或認領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)的快速發(fā)展,每天呈現(xiàn)在我們周圍的信息大批量的不斷更新,這也就使得我們面臨選擇困難的問題,用戶無法及時準確地在海量信息里尋找到自己所需的信息,我們稱之為信息過載。為了解決“信息過載”問題,各種推薦系統(tǒng)應(yīng)運而生,協(xié)同過濾推薦算法是目前應(yīng)用最為成熟的技術(shù),但同時協(xié)同過濾也暴露了一些不足和缺陷：數(shù)據(jù)稀疏性、冷啟動等。如何解決這些難題已經(jīng)成為目前推薦系統(tǒng)研究的熱點。
本文首先介紹了近幾年協(xié)同過濾算法的相關(guān)研究成果以及推薦系統(tǒng)相
2、關(guān)技術(shù)，然后介紹了常用的幾種推薦算法,主要介紹協(xié)同過濾推薦算法以及其中的相似度計算方法及存在的問題,接著對協(xié)同過濾算法不足之處進行分析總結(jié),對傳統(tǒng)的協(xié)同過濾算法進行了相應(yīng)的改進。最后本文通過仿真實驗,對改進后的推薦算法進行了測試與分析,闡釋了改進后的算法的的可行性與有效性。
本文在Jaccard相似度計算的基礎(chǔ)上,結(jié)合用戶對項目的用戶評分差異度以及評分的信息熵對相似度計算方法進行改進，提出兩種用戶相似度的改進方法。最后為了驗證
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。
最新文檔
- 融合用戶注冊信息的協(xié)同過濾推薦算法.pdf
- 結(jié)合用戶背景信息的協(xié)同過濾推薦算法研究.pdf
- 基于混合用戶模型的協(xié)同過濾推薦算法研究
- 融合用戶關(guān)系強度的協(xié)同過濾算法研究.pdf
- 綜合用戶特征的協(xié)同過濾推薦算法的研究.pdf
- 結(jié)合用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 基于混合用戶模型的協(xié)同過濾推薦算法研究.pdf
- 融合項目流行度的協(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
- 融合用戶屬性和興趣對比度的協(xié)同過濾個性化推薦研究
- 基于用戶多維相似度的協(xié)同過濾推薦算法.pdf
- 基于用戶相似度的協(xié)同過濾推薦算法研究.pdf
- 融合用戶屬性和興趣對比度的協(xié)同過濾個性化推薦研究.pdf
- 基于用戶行為協(xié)同過濾推薦算法.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于用戶聯(lián)合相似度的協(xié)同過濾推薦算法研究.pdf
- 融合多指標與環(huán)境信息的協(xié)同過濾推薦算法.pdf
- 基于用戶興趣的協(xié)同過濾推薦算法研究.pdf
- 改進用戶模型的協(xié)同過濾推薦算法.pdf
- 一種融合用戶上下文信息和評分傾向度的協(xié)同過濾推薦系統(tǒng).pdf
評論
0/150
提交評論