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、最近二、三十年隨著互聯(lián)網(wǎng)技術(shù)和計(jì)算機(jī)技術(shù)的迅猛發(fā)展推動(dòng)社會(huì)的快速進(jìn)步,使得社會(huì)更加的多樣化、更加的豐富,也使得信息的傳播和獲取更加快捷、方便。隨著時(shí)間的積累保存在互聯(lián)網(wǎng)上的信息成幾何倍數(shù)的增加,信息的過(guò)載使得我們?cè)诓檎覍?duì)自己有用、感興趣的內(nèi)容時(shí)顯得彷徨和無(wú)助。協(xié)同過(guò)濾推薦技術(shù)因其簡(jiǎn)單、高效等優(yōu)點(diǎn),在個(gè)性化推薦領(lǐng)域得到廣泛的研究和應(yīng)用。
本文詳細(xì)論述了推薦的研究?jī)r(jià)值和意義,推薦的流程、框架以及幾種常用的推薦技術(shù)。重點(diǎn)介紹了協(xié)同過(guò)
2、濾推薦的流程、分類和協(xié)同過(guò)濾推薦存在的冷啟動(dòng)、稀疏性、擴(kuò)展性等問(wèn)題。
針對(duì)協(xié)同過(guò)濾推薦出現(xiàn)的這些問(wèn)題,本文提出一種基于聚類和項(xiàng)目屬性的均值協(xié)同推薦模型。該模型通過(guò)使用改進(jìn)的聚類算法,對(duì)整個(gè)評(píng)分矩陣進(jìn)行聚類,以減少計(jì)算相似度消耗的時(shí)間;模型通過(guò)獲取物品的時(shí)間屬性和類型屬性來(lái)計(jì)算物品的特征相似度,以解決協(xié)同過(guò)濾推薦中的冷啟動(dòng)等問(wèn)題;
本文設(shè)計(jì)實(shí)驗(yàn),在通用數(shù)據(jù)集movielens上驗(yàn)證提出的模型。首先,設(shè)計(jì)實(shí)驗(yàn)找出最佳的時(shí)
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(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
- 基于模糊C均值聚類的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于項(xiàng)目聚類的協(xié)同過(guò)濾推薦算法的研究.pdf
- 基于聚類和項(xiàng)目類別偏好的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶聚類的協(xié)同推薦算法研究.pdf
- 基于用戶聚類的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于社會(huì)興趣聚類的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于聚類專家選擇的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于云模型和用戶聚類的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于Hadoop的改進(jìn)聚類協(xié)同過(guò)濾推薦算法研究.pdf
- 基于魚(yú)群的K均值聚類算法研究.pdf
- 重疊聚類和屬性圖聚類算法研究.pdf
- 基于項(xiàng)目屬性與偏愛(ài)比較的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于Hadoop的聚類協(xié)同過(guò)濾推薦算法研究及應(yīng)用.pdf
- 基于K-means聚類的協(xié)同過(guò)濾推薦算法研究.pdf
- 改進(jìn)的模糊C均值聚類與連續(xù)屬性離散化算法研究.pdf
- 基于層次K均值的聚類算法的研究.pdf
- 基于屬性權(quán)重的混合聚類算法研究.pdf
- 基于劃分的混合屬性聚類算法研究.pdf
- 基于粒子群的C均值聚類算法的研究.pdf
- 基于均值漂移聚類和優(yōu)化的粒子濾波跟蹤算法研究.pdf
評(píng)論
0/150
提交評(píng)論