

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)行舉報或認(rèn)領(lǐng)
文檔簡介
1、近年來,互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展使得Web成為人們獲取信息的重要方式,用戶在面對愈加豐富的信息海洋和各種類型的信息,反而迷失其中。推薦系統(tǒng)可以緩解“信息過載”引發(fā)的“信息迷失”問題。聚類技術(shù)應(yīng)用到推薦中可以緩解數(shù)據(jù)稀疏、擴(kuò)展性和冷啟動等問題,但聚類技術(shù)的引入并不是都能提高推薦的效果。這是由于聚類方法本身具有一定的缺陷,如聚類質(zhì)量不高、聚類結(jié)果不穩(wěn)定等,再把這種不是很好的聚類結(jié)果應(yīng)用到推薦中,必然會造成推薦質(zhì)量下降。如何巧妙地將聚類技術(shù)運(yùn)用到
2、推薦系統(tǒng)中來提高推薦結(jié)果的準(zhǔn)確率是基于聚類的推薦研究的重點(diǎn)。
本研究的思路是:通過聚類技術(shù)建立用戶聚類模型,利用該模型產(chǎn)生的填充評分可以解決協(xié)同過濾中數(shù)據(jù)稀疏性問題,同時,利用該模型來配置物質(zhì)擴(kuò)散算法中非均勻的初始資源值。基于此研究思路提出了兩個推薦算法,合并聚類用戶評分的協(xié)同過濾推薦算法(UCCF)和基于用戶聚類的非均勻資源配置的物質(zhì)擴(kuò)散推薦算法(UCMD)。該推薦算法主要利用了聚類技術(shù),把產(chǎn)生的用戶聚類模型引入到推薦中。本
3、論文的主要研究內(nèi)容包括如下三個方面。
(1)針對傳統(tǒng)協(xié)同過濾推薦算法面臨的數(shù)據(jù)稀疏問題,提出一種合并聚類用戶評分的協(xié)同過濾推薦算法。首先對用戶聚類,把目標(biāo)用戶所在聚類的其他用戶作為近鄰,合并聚類鄰居的評分可以產(chǎn)生新的評分項,把這些評分填充到原有評分記錄里。在新的評分?jǐn)?shù)據(jù)下,我們重新計算用戶間的相似度,通過這樣的方法查找到的近鄰較傳統(tǒng)方法查找到的準(zhǔn)確性更高,根據(jù)更加精準(zhǔn)的近鄰集合計算得到的預(yù)測評分準(zhǔn)確率也更高。
(2)
4、針對二部圖網(wǎng)絡(luò)結(jié)構(gòu)的推薦算法中物品的初始資源值設(shè)置為0/1的做法,提出一種基于用戶聚類的非均勻資源配置的物質(zhì)擴(kuò)散推薦算法。首先根據(jù)用戶對物品的評分對用戶聚類,接著依據(jù)聚類模型,對目標(biāo)用戶選擇過的物品和與目標(biāo)用戶在同一個聚類的用戶選擇過的物品設(shè)置不同的初始資源,最后利用經(jīng)典的物質(zhì)擴(kuò)散算法進(jìn)行后續(xù)推薦。
(3)利用MovieLens站點(diǎn)上真實的數(shù)據(jù)集測試本研究提出的合并聚類用戶評分的協(xié)同過濾推薦算法(UCCF)和基于用戶聚類的非均
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
- 基于聚類的個性化推薦算法研究.pdf
- 基于物質(zhì)擴(kuò)散和用戶聚類的個性化推薦技術(shù)研究.pdf
- 基于用戶聚類的協(xié)同過濾個性化推薦的研究與應(yīng)用.pdf
- 基于Web聚類的個性化推薦服務(wù)研究.pdf
- 基于標(biāo)簽聚類的個性化資源推薦模型研究.pdf
- 基于譜聚類的個性化推薦系統(tǒng)研究.pdf
- 基于用戶行為的個性化推薦優(yōu)化方法研究.pdf
- 基于Hadoop的用戶個性化推薦研究.pdf
- 基于聚類協(xié)作過濾的商品個性化推薦.pdf
- 基于Web聚類的個性化推薦服務(wù)應(yīng)用研究.pdf
- 基于聚類的個性化推薦關(guān)鍵技術(shù)研究.pdf
- 基于聚類免疫算法的個性化推薦系統(tǒng)研究.pdf
- 基于聚類的協(xié)同過濾個性化推薦算法研究.pdf
- 基于用戶行為的個性化推薦算法研究.pdf
- 基于用戶興趣的個性化推薦技術(shù)研究.pdf
- 基于標(biāo)簽譜聚類的個性化推薦策略相關(guān)問題研究.pdf
- 基于標(biāo)簽聚類和興趣劃分的個性化推薦算法研究.pdf
- 基于用戶情境的論壇個性化推薦模型研究.pdf
- 基于用戶興趣的個性化信息推薦系統(tǒng).pdf
- 基于混合聚類的個性化搜索研究.pdf
評論
0/150
提交評論