

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著大數(shù)據(jù)時(shí)代的到來(lái),“信息過(guò)載”問題愈發(fā)嚴(yán)重,為了解決信息提供者與信息使用者需求良好匹配的問題,互聯(lián)網(wǎng)智能化產(chǎn)品—推薦系統(tǒng)應(yīng)運(yùn)而生。
本文基于上下文的信息推薦系統(tǒng)(Context-Aware Recommender System,CARS)研究是以傳統(tǒng)推薦系統(tǒng)為基礎(chǔ),是它的拓展與延伸。文中給出的基于情感上下文因素的信息推薦模型分別通過(guò)語(yǔ)義差分法制定態(tài)度量表和挖掘信息產(chǎn)品文本評(píng)論兩種常見方式提取用戶情感偏好,并在此基礎(chǔ)上將用戶
2、情感因素融入到推薦模型中,使得推薦系統(tǒng)帶來(lái)更高的精確度和更好的用戶滿意度。主要研究工作如下:
1.基于用戶感性語(yǔ)義上下文信息推薦方法研究。針對(duì)新產(chǎn)品推薦過(guò)程中的評(píng)價(jià)匹配問題,給出了一種面向用戶特殊需求偏好的感性推薦方法。首先通過(guò)語(yǔ)義差分法和語(yǔ)義變量設(shè)計(jì)問卷獲得待估新信息產(chǎn)品的感性信息數(shù)據(jù)以及在用戶不同偏好關(guān)系下的感性目標(biāo)可能性分布;然后提出了以用戶感性需求為導(dǎo)向的推薦效用函數(shù),并運(yùn)用混合加權(quán)平均算子對(duì)各方案匹配信息集結(jié)計(jì)算;最
3、后,依據(jù)效用函數(shù)值大小對(duì)各方案進(jìn)行排序。尤其針對(duì)用戶特殊需求給定時(shí),該模型效用函數(shù)可以計(jì)算出新產(chǎn)品與用戶特殊偏好的匹配程度。并將其應(yīng)用于智能家電產(chǎn)品方案的推薦優(yōu)選中,實(shí)例計(jì)算表明,本研究給出的方法具有可行性和實(shí)用性。
2.用戶情境感知的上下文信息推薦系統(tǒng)研究。探索從文本評(píng)論信息中挖掘用戶情境/情緒上下文信息,并用于上下文推薦模型產(chǎn)生更好的系統(tǒng)推薦結(jié)果。首先通過(guò)對(duì)用戶需求描述中上下文的挖掘,確定用戶當(dāng)前的上下文。其中上下文推理部
4、分是針對(duì)京東爬取的書籍評(píng)論數(shù)據(jù)集采用Gibbs抽樣訓(xùn)練L-LDA模型得到一個(gè)分類器,選取被分配最高主題概率的類別作為需求描述中用戶當(dāng)前的上下文。同時(shí),運(yùn)用k-近鄰算法/協(xié)同過(guò)濾算法預(yù)測(cè)用戶最適合的物品項(xiàng)i,得到傳統(tǒng)評(píng)分預(yù)測(cè)值。當(dāng)給定用戶上下文時(shí),計(jì)算用戶和物品的匹配度,選擇最符合用戶當(dāng)前上下文的物品項(xiàng)。結(jié)合傳統(tǒng)預(yù)測(cè)評(píng)分值加權(quán)融入上下文狀態(tài)匹配度根據(jù)這兩部分結(jié)果計(jì)算得到
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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(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
- 基于上下文屬性信息的個(gè)性化推薦系統(tǒng)研究.pdf
- 基于Hadoop的上下文感知推薦系統(tǒng)研究與設(shè)計(jì).pdf
- 基于時(shí)間上下文的動(dòng)態(tài)推薦系統(tǒng)研究與應(yīng)用.pdf
- 基于RFID的上下文感知系統(tǒng)研究.pdf
- 上下文感知推薦.pdf
- 基于上下文感知的推薦算法研究.pdf
- 基于移動(dòng)上下文的音樂推薦系統(tǒng).pdf
- 基于社會(huì)上下文約束和物品上下文約束的協(xié)同推薦.pdf
- 基于語(yǔ)義Web的上下文感知系統(tǒng)研究.pdf
- 基于時(shí)間上下文的的移動(dòng)應(yīng)用推薦系統(tǒng)研究與應(yīng)用.pdf
- 上下文感知推薦算法研究.pdf
- 基于因式分解機(jī)模型的上下文感知推薦系統(tǒng)研究.pdf
- 基于用戶上下文與交互行為的社會(huì)化推薦系統(tǒng)研究.pdf
- 基于上下文與面向社會(huì)媒體的信息推薦方法研究.pdf
- 上下文相關(guān)的查詢推薦算法研究.pdf
- 基于上下文信息的語(yǔ)義圖像分類研究.pdf
- 面向智能空間的上下文感知系統(tǒng)研究.pdf
- 上下文感知推薦技術(shù)研究.pdf
- 基于感知上下文的交互推薦算法研究.pdf
- 上下文感知的群組服務(wù)推薦研究.pdf
評(píng)論
0/150
提交評(píng)論