

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、無(wú)線互聯(lián)網(wǎng)及移動(dòng)設(shè)備的飛速發(fā)展,帶動(dòng)著網(wǎng)絡(luò)資源的爆炸式增長(zhǎng),加劇信息過(guò)載問(wèn)題,加大了用戶(hù)尋找所需信息的難度。推薦系統(tǒng)成為解決這個(gè)問(wèn)題的關(guān)鍵,其中推薦算法對(duì)推薦結(jié)果起到關(guān)鍵的作用。目前的推薦算法當(dāng)中,應(yīng)用最廣的是協(xié)同過(guò)濾推薦。它通過(guò)分析用戶(hù)之間的相似性,得到近鄰,通過(guò)近鄰預(yù)測(cè)未評(píng)分項(xiàng)目,將近鄰喜歡的項(xiàng)目形成推薦結(jié)果。雖然協(xié)同過(guò)濾算法有挖掘用戶(hù)潛在愛(ài)好等優(yōu)點(diǎn),但是它同樣存在著一些問(wèn)題,例如數(shù)據(jù)稀疏性問(wèn)題、可拓展性問(wèn)題以及冷啟動(dòng)問(wèn)題等等。此外
2、,評(píng)分矩陣不能全面的反映出用戶(hù)的所有情況和偏好,其偏好同樣與其年齡、職業(yè)以及其所在位置等情境信息有著密切的聯(lián)系。針對(duì)以上問(wèn)題,本文提出了一種基于情境進(jìn)行聚類(lèi)的協(xié)同過(guò)濾算法,主要研究?jī)?nèi)容有:
(1)深入研究現(xiàn)有推薦算法,分析其情境缺失問(wèn)題。針對(duì)其只考慮用戶(hù)評(píng)分這個(gè)問(wèn)題,引入可能影響用戶(hù)興趣愛(ài)好的用戶(hù)情境和外在環(huán)境情境,包括用戶(hù)年齡、職業(yè)、時(shí)間以及位置等,結(jié)合情境語(yǔ)義學(xué),構(gòu)建了用戶(hù)情境的形式化表達(dá)方法。
(2)針對(duì)傳統(tǒng)協(xié)
3、同過(guò)濾算法當(dāng)中存在的數(shù)據(jù)稀疏性問(wèn)題,提出了基于情境的聚類(lèi)算法。深入研究了常見(jiàn)不同數(shù)據(jù)類(lèi)型變量的相異度計(jì)算方法,計(jì)算兩兩情境相異度,構(gòu)建情境相異度矩陣。深入研究FCM算法,并針對(duì)FCM的收斂性問(wèn)題,引入了收斂因子,利用改進(jìn)的FCM算法,在情境相異度矩陣的基礎(chǔ)上進(jìn)行聚類(lèi)。如此將三維模型降維,縮小了目標(biāo)用戶(hù)查找相似用戶(hù)的范圍,降低了復(fù)雜度,緩解數(shù)據(jù)稀疏性問(wèn)題。
(3)針對(duì)協(xié)同過(guò)濾算法當(dāng)中的用戶(hù)相似度算法忽略了用戶(hù)對(duì)單條項(xiàng)目評(píng)分尺度差
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
- 一種基于聯(lián)合聚類(lèi)的協(xié)同過(guò)濾推薦算法研究
- 一種基于聯(lián)合聚類(lèi)的協(xié)同過(guò)濾推薦算法研究
- 一種基于聯(lián)合聚類(lèi)的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶(hù)興趣聚類(lèi)的協(xié)同過(guò)濾算法的研究與實(shí)現(xiàn).pdf
- 一種基于類(lèi)別偏好協(xié)同過(guò)濾推薦算法的實(shí)現(xiàn)與優(yōu)化.pdf
- 一種新型的協(xié)同過(guò)濾推薦算法.pdf
- 一種基于社交網(wǎng)絡(luò)的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于共享近鄰聚類(lèi)的協(xié)同過(guò)濾算法研究.pdf
- 基于用戶(hù)聚類(lèi)的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于雙重模糊聚類(lèi)的協(xié)同過(guò)濾算法研究.pdf
- 基于聚類(lèi)專(zhuān)家選擇的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于社會(huì)興趣聚類(lèi)的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于項(xiàng)目聚類(lèi)的協(xié)同過(guò)濾推薦算法的研究.pdf
- 一種基于時(shí)態(tài)隨機(jī)步模型的協(xié)同過(guò)濾算法.pdf
- 基于聚類(lèi)和用戶(hù)興趣的協(xié)同過(guò)濾算法的研究.pdf
- 基于Hadoop的改進(jìn)聚類(lèi)協(xié)同過(guò)濾推薦算法研究.pdf
- 雙向聚類(lèi)迭代的協(xié)同過(guò)濾推薦算法.pdf
- 基于K-means聚類(lèi)的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于Hadoop的聚類(lèi)協(xié)同過(guò)濾推薦算法研究及應(yīng)用.pdf
- 基于支持度的項(xiàng)目聚類(lèi)的協(xié)同過(guò)濾算法研究.pdf
評(píng)論
0/150
提交評(píng)論