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),請進行舉報或認領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)的快速發(fā)展,電子商務(wù)系統(tǒng)的規(guī)模越來越龐大,給人們帶來了快捷和方便,但是這種便利性同時也帶來信息過載的問題。推薦系統(tǒng)作為信息過濾技術(shù)中非常重要的一種方法,能夠有效地獲得用戶的興趣,為用戶推薦其喜好的商品。然而傳統(tǒng)的協(xié)同過濾推薦主要把用戶-項目評級作為唯一的標(biāo)準,忽視了用戶之間的社會網(wǎng)絡(luò)關(guān)系,導(dǎo)致推薦效果不夠理想。本文綜合分析了國內(nèi)外協(xié)同過濾推薦系統(tǒng)的現(xiàn)狀,對協(xié)同過濾推薦作了進一步深入的研究。
首先,為了提高協(xié)同過濾推薦
2、的精度,將社會網(wǎng)絡(luò)中的信任信息引入推薦系統(tǒng)中,提出了一種基于社會網(wǎng)絡(luò)信任的協(xié)同過濾推薦算法?;谛湃侮P(guān)系的傳遞性,計算得到間接信任并做量化處理,通過將信任融入到協(xié)同過濾算法,有效提高了推薦質(zhì)量和準確度。
其次,針對現(xiàn)有協(xié)同過濾推薦模型中的數(shù)據(jù)稀疏性和用戶預(yù)測精度問題,通過對網(wǎng)上酒店預(yù)訂的數(shù)據(jù)進行處理,結(jié)合 K-means聚類算法對項目屬性進行詳細劃分,利用均方根誤差RMSE和覆蓋率作為評價標(biāo)尺,有效提高了預(yù)測精度。
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
- 基于社會網(wǎng)絡(luò)信息的協(xié)同過濾推薦方法研究.pdf
- 基于社會信任網(wǎng)絡(luò)的協(xié)同過濾推薦方法研究.pdf
- 基于社會網(wǎng)絡(luò)的協(xié)同過濾推薦技術(shù)研究.pdf
- 基于加權(quán)網(wǎng)絡(luò)的協(xié)同過濾推薦
- 基于協(xié)同過濾技術(shù)的推薦方法研究.pdf
- 基于加權(quán)網(wǎng)絡(luò)的協(xié)同過濾推薦.pdf
- 基于社交網(wǎng)絡(luò)的協(xié)同過濾推薦算法研究.pdf
- 基于用戶偏好的協(xié)同過濾推薦方法研究.pdf
- 基于協(xié)同過濾的社會網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究.pdf
- 基于顧客交易數(shù)據(jù)的協(xié)同過濾推薦方法研究.pdf
- 基于混合協(xié)同過濾的高校選課推薦方法研究.pdf
- 基于用戶興趣的MC協(xié)同過濾推薦方法研究.pdf
- 基于社交網(wǎng)絡(luò)信息的協(xié)同過濾推薦算法研究.pdf
- 基于社會化標(biāo)簽的協(xié)同過濾推薦策略研究.pdf
- 基于社會興趣聚類的協(xié)同過濾推薦算法研究.pdf
- 利用社會網(wǎng)絡(luò)關(guān)鍵用戶改進協(xié)同過濾推薦算法的研究.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于協(xié)同過濾的推薦技術(shù)研究.pdf
- 基于協(xié)同過濾技術(shù)的推薦算法研究.pdf
- 基于領(lǐng)域知識的協(xié)同過濾推薦研究.pdf
評論
0/150
提交評論