

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、近年來(lái),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(hù)在面對(duì)愈加豐富的信息海洋和各種類(lèi)型的信息,反而迷失其中。推薦系統(tǒng)可以緩解“信息過(guò)載”引發(fā)的“信息迷失”問(wèn)題。聚類(lèi)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(dòng)等問(wèn)題,但聚類(lèi)技術(shù)的引入并不是都能提高推薦的效果。這是由于聚類(lèi)方法本身具有一定的缺陷,如聚類(lèi)質(zhì)量不高、聚類(lèi)結(jié)果不穩(wěn)定等,再把這種不是很好的聚類(lèi)結(jié)果應(yīng)用到推薦中,必然會(huì)造成推薦質(zhì)量下降。如何巧妙地將聚類(lèi)技術(shù)運(yùn)用到
2、推薦系統(tǒng)中來(lái)提高推薦結(jié)果的準(zhǔn)確率是基于聚類(lèi)的推薦研究的重點(diǎn)。
本研究的思路是:通過(guò)聚類(lèi)技術(shù)建立用戶(hù)聚類(lèi)模型,利用該模型產(chǎn)生的填充評(píng)分可以解決協(xié)同過(guò)濾中數(shù)據(jù)稀疏性問(wèn)題,同時(shí),利用該模型來(lái)配置物質(zhì)擴(kuò)散算法中非均勻的初始資源值?;诖搜芯克悸诽岢隽藘蓚€(gè)推薦算法,合并聚類(lèi)用戶(hù)評(píng)分的協(xié)同過(guò)濾推薦算法(UCCF)和基于用戶(hù)聚類(lèi)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(lèi)技術(shù),把產(chǎn)生的用戶(hù)聚類(lèi)模型引入到推薦中。本
3、論文的主要研究?jī)?nèi)容包括如下三個(gè)方面。
(1)針對(duì)傳統(tǒng)協(xié)同過(guò)濾推薦算法面臨的數(shù)據(jù)稀疏問(wèn)題,提出一種合并聚類(lèi)用戶(hù)評(píng)分的協(xié)同過(guò)濾推薦算法。首先對(duì)用戶(hù)聚類(lèi),把目標(biāo)用戶(hù)所在聚類(lèi)的其他用戶(hù)作為近鄰,合并聚類(lèi)鄰居的評(píng)分可以產(chǎn)生新的評(píng)分項(xiàng),把這些評(píng)分填充到原有評(píng)分記錄里。在新的評(píng)分?jǐn)?shù)據(jù)下,我們重新計(jì)算用戶(hù)間的相似度,通過(guò)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(jì)算得到的預(yù)測(cè)評(píng)分準(zhǔn)確率也更高。
(2)
4、針對(duì)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(hù)聚類(lèi)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(hù)對(duì)物品的評(píng)分對(duì)用戶(hù)聚類(lèi),接著依據(jù)聚類(lèi)模型,對(duì)目標(biāo)用戶(hù)選擇過(guò)的物品和與目標(biāo)用戶(hù)在同一個(gè)聚類(lèi)的用戶(hù)選擇過(guò)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(shí)的數(shù)據(jù)集測(cè)試本研究提出的合并聚類(lèi)用戶(hù)評(píng)分的協(xié)同過(guò)濾推薦算法(UCCF)和基于用戶(hù)聚類(lèi)的非均
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。
最新文檔
- 基于聚類(lèi)的個(gè)性化推薦算法研究.pdf
- 基于物質(zhì)擴(kuò)散和用戶(hù)聚類(lèi)的個(gè)性化推薦技術(shù)研究.pdf
- 基于用戶(hù)聚類(lèi)的協(xié)同過(guò)濾個(gè)性化推薦的研究與應(yīng)用.pdf
- 基于Web聚類(lèi)的個(gè)性化推薦服務(wù)研究.pdf
- 基于標(biāo)簽聚類(lèi)的個(gè)性化資源推薦模型研究.pdf
- 基于譜聚類(lèi)的個(gè)性化推薦系統(tǒng)研究.pdf
- 基于用戶(hù)行為的個(gè)性化推薦優(yōu)化方法研究.pdf
- 基于Hadoop的用戶(hù)個(gè)性化推薦研究.pdf
- 基于聚類(lèi)協(xié)作過(guò)濾的商品個(gè)性化推薦.pdf
- 基于Web聚類(lèi)的個(gè)性化推薦服務(wù)應(yīng)用研究.pdf
- 基于聚類(lèi)的個(gè)性化推薦關(guān)鍵技術(shù)研究.pdf
- 基于聚類(lèi)免疫算法的個(gè)性化推薦系統(tǒng)研究.pdf
- 基于聚類(lèi)的協(xié)同過(guò)濾個(gè)性化推薦算法研究.pdf
- 基于用戶(hù)行為的個(gè)性化推薦算法研究.pdf
- 基于用戶(hù)興趣的個(gè)性化推薦技術(shù)研究.pdf
- 基于標(biāo)簽譜聚類(lèi)的個(gè)性化推薦策略相關(guān)問(wèn)題研究.pdf
- 基于標(biāo)簽聚類(lèi)和興趣劃分的個(gè)性化推薦算法研究.pdf
- 基于用戶(hù)情境的論壇個(gè)性化推薦模型研究.pdf
- 基于用戶(hù)興趣的個(gè)性化信息推薦系統(tǒng).pdf
- 基于混合聚類(lèi)的個(gè)性化搜索研究.pdf
評(píng)論
0/150
提交評(píng)論