版權說明: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,請進行舉報或認領
文檔簡介
1、隨著互聯(lián)網(wǎng)信息的快速增長,個性化的推薦系統(tǒng)對工業(yè)界和學術界的發(fā)展都有著重要的作用。然而,在信息高速發(fā)展的時代,傳統(tǒng)的推薦系統(tǒng)面臨著一系列的挑戰(zhàn),不僅其自身算法存在一些難以解決的問題如數(shù)據(jù)稀疏性、冷啟動、難以擴展等,而且傳統(tǒng)的個性化推薦系統(tǒng)已難以滿足在大數(shù)據(jù)、信息爆炸的背景下人們對信息利用的需求。在很多實際的應用場景中,推薦系統(tǒng)中的數(shù)據(jù)除了用戶-項目的評分信息外,還有用戶之間的社會關系、項目的內(nèi)容信息、時間信息等一些類似的輔助信息。如何在
2、推薦系統(tǒng)中融入有用的輔助信息提高推薦的精度、改善傳統(tǒng)推薦系統(tǒng)存在的難題是一個很重要的問題。
本文在分析推薦系統(tǒng)的國內(nèi)外研究現(xiàn)狀的基礎上,發(fā)現(xiàn)基于概率矩陣分解的方法應用在推薦系統(tǒng)中能表現(xiàn)出很好的性能,而用戶之間的社會關系引入到推薦系統(tǒng)中能解決傳統(tǒng)推薦系統(tǒng)中數(shù)據(jù)稀疏、冷啟動的問題。但是實際中用戶之間的關系是多樣化和隱式存在的,需要通過挖掘用戶之間的行為才能獲得。而且隨著微博、微信、標簽系統(tǒng)等以分享內(nèi)容為形式的推薦系統(tǒng)的出現(xiàn),能融入
3、推薦系統(tǒng)中的信息也迅速增長,利用這些豐富的信息能帶來更準確的推薦,能提高用戶的體驗度?;ヂ?lián)網(wǎng)中還有時間等各種信息對改進推薦系統(tǒng)的性能提供了一個很好的素材。因此,本文引入概率矩陣分解模型以結(jié)合這些輔助信息分析解決推薦系統(tǒng)存在的問題。
針對推薦數(shù)據(jù)中包含的用戶之間的關系和項目的多種內(nèi)容信息,我們結(jié)合概率矩陣分解模型和話題模型LDA提出了SC-PMF算法,在預測的基礎上給用戶進行推薦?;谔岢龅腟C-PMF推薦算法,我們在Bibso
4、nomy和CiteUlike兩個數(shù)據(jù)集上進行了實驗分析。實驗表明在共享信息多的Bibsonomy數(shù)據(jù)集中,用戶表現(xiàn)出的興趣偏向受社會影響的程度更為明顯。而且實驗展示的項目內(nèi)容信息越豐富,模型表現(xiàn)出的性能就越好。因此,實驗表明用戶之間的社會關系和項目的多種內(nèi)容信息的利用能有效的改善改進推薦算法的性能。
針對推薦數(shù)據(jù)中擁有的時間信息,我們在原有的評分矩陣的基礎上加入社會關系、時間信息得到用戶-用戶-時間和用戶-項目-時間的關系矩陣
5、,利用概率矩陣分解模型實現(xiàn)了PMFST這一方法,然后在此基礎上進行實時推薦。同時,我們還利用了項目中的類別信息,提出了一個基于層次推薦的框架。我們先根據(jù)項目的類別對項目進行劃分,利用我們提出的融入的社會關系、時間信息的概率矩陣模型PMFST為用戶推薦項目的類別,然后針對每類為用戶推薦項目。基于層次推薦的框架不僅減少了需要同時計算大量數(shù)據(jù)的時間,而且在微觀意義上縮小了數(shù)據(jù)的規(guī)模,使得模型易于擴展,能很好地適應當下這一大數(shù)據(jù)時代環(huán)境。同時,
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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。
- 6. 下載文件中如有侵權或不適當內(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。
最新文檔
- 基于矩陣分解的個性化推薦系統(tǒng)研究.pdf
- 基于矩陣分解的個性化信息流推薦技術研究.pdf
- 基于Java的個性化推薦系統(tǒng)研究.pdf
- 個性化信息推薦系統(tǒng)研究.pdf
- 基于WEB日志的個性化推薦系統(tǒng)研究.pdf
- 基于web日志的個性化推薦系統(tǒng)研究
- 非負矩陣分解算法研究及其在個性化推薦系統(tǒng)中的應用
- 基于本體的個性化信息推薦系統(tǒng)研究.pdf
- 個性化新書推薦系統(tǒng)研究.pdf
- 基于多Agent的個性化推薦系統(tǒng)研究.pdf
- 基于大眾標注的個性化推薦系統(tǒng)研究.pdf
- 基于社會化標簽的個性化推薦系統(tǒng)研究.pdf
- 基于用戶行為的個性化新聞推薦系統(tǒng)研究.pdf
- 基于Web日志挖掘的個性化推薦系統(tǒng)研究.pdf
- 基于客戶瀏覽行為的個性化推薦系統(tǒng)研究.pdf
- 個性化推薦引擎系統(tǒng)研究.pdf
- 基于Web數(shù)據(jù)挖掘的個性化推薦系統(tǒng)研究.pdf
- 基于本體的LBS個性化信息推薦系統(tǒng)研究.pdf
- 基于譜聚類的個性化推薦系統(tǒng)研究.pdf
- 基于概率分類模型的個性化推薦算法研究.pdf
評論
0/150
提交評論