高質量推薦理由自動挖掘的研究.pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、高質量推薦理由自動挖掘的研究問題是指在以用戶為中心的基礎上,在當今數據信息爆膨的背景下,以用戶盡量少參與的情況下提出的一種服務式推薦系統(tǒng)技術理論。高質量推薦理由自動挖掘系統(tǒng)是以用戶興趣數據信息為分析依據,相匹配出用戶對產品的喜好,進行的一種自主式個性化推薦服務,提高用戶的滿意度。
  但是,在信息龐大的今天,為了解決傳統(tǒng)的推薦系統(tǒng)對暗信息的挖掘不明、對用戶興趣數據信息的匹配不清等問題,本文增加了機器學習的挖掘技術準確的掌握用戶興趣

2、動態(tài)變化,依據關聯規(guī)則技術不斷挖掘用戶新的興趣方向,給出高質量準確的推薦方案。結合國內外研究的基礎,提高推薦系統(tǒng)的準確性,本文主要從以下幾點來深入研究:
  第一,詳細介紹了目前傳統(tǒng)的高質量推薦系統(tǒng)的研究背景、實現內容和與此相關的推薦算法的技術理論,以及本文在傳統(tǒng)推薦系統(tǒng)的基礎上要深入研究的重點內容。
  第二,本文在綜合各種推薦算法的基礎上加以組合,應用數據挖掘技術中的關聯規(guī)則對用戶感興趣產品進行挖掘,以分類規(guī)則對用戶進行

3、分類并且依據準確率和召回率來預測用戶興趣度,最大程度上實現推薦的準確度。
  第三,在用戶建模上,采集用戶行為記錄作為判斷依據,分析屬性影響因子對推薦準確性和高質量性的影響,提出“特定人群”信息采集與“正常人群”的信息特殊性。
  第四,根據用戶興趣信息的準確反饋和對用戶興趣數據信息采集的準確性,對用戶興趣模型的及時更新,挖掘用戶潛在的興趣方向,提高用戶對推薦產品的滿意度。
  本文通過MATLAB實驗結果表明,高質量

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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,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。

評論

0/150

提交評論