2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、隨著移動互聯(lián)網(wǎng)的飛速發(fā)展,電子商務(wù)數(shù)據(jù)出現(xiàn)爆炸式增長,人們面臨著越來越嚴重的“信息過載”問題?!靶畔⑦^載”是指人們無法從海量的數(shù)據(jù)中快速準確的定位到自己所需要的信息,從而對用戶的互聯(lián)網(wǎng)行為決策造成巨大的干擾。個性化推薦系統(tǒng)是電子商務(wù)系統(tǒng)中解決這一問題的關(guān)鍵技術(shù),個性化推薦系統(tǒng)是一種基于用戶歷史購買、評價行為挖掘技術(shù)的推薦系統(tǒng),其目的是方便用戶對互聯(lián)網(wǎng)信息篩選,它可以預(yù)測用戶的偏好,并為用戶的購買決策提供有效的建議。如何有效的將用戶的歷史

2、評價信息與推薦技術(shù)結(jié)合是推薦系統(tǒng)的重要問題。
  通過大量深入閱讀國內(nèi)外個性化推薦系統(tǒng)的相關(guān)文獻,發(fā)現(xiàn)主流基于用戶對項目評價的推薦算法限制較多、并且隨著用戶偏好的變化推薦準確率隨之降低。針對個體用戶評價行為出現(xiàn)的問題,提出一種基于關(guān)聯(lián)規(guī)則的思想,從用戶歷史評價數(shù)據(jù)中挖掘出用戶群組偏好的聚合行為來表達用戶的評價行為畫像,以該評價行為畫像作為用戶評分的上下文環(huán)境,從而降低推薦系統(tǒng)對用戶個體偏好轉(zhuǎn)移的敏感性。
  在此基礎(chǔ)上,為了

3、獲得更好的用戶偏好預(yù)測效果,引入隱馬爾可夫模型(HiddenMarkov Model,HMM)對離散的評價行為畫像進行模擬。將用戶的評價序列作為觀測符號、用戶群組聚合三元評價畫像的圖模型作為隱含狀態(tài)建立HMM模型,以高斯混合模型(Gaussian Mixture Model,GMM)描述HMM的混淆矩陣,從而將用戶觀測符號與用戶的評價聚合關(guān)系圖建立關(guān)聯(lián)。通過對評分聚合行為畫像的預(yù)測,解碼出用戶下一時刻概率最大的項目及評分從而生成用戶的商

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。

評論

0/150

提交評論