基于協同過濾的網絡學習個性化推薦技術的研究.pdf_第1頁
已閱讀1頁,還剩60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、隨著計算機網絡技術地快速發(fā)展,網絡上的信息量與日俱增,用戶往往會感覺不知所措,在大量的學習資料中找到自己的需求也越來越難,這也引起許多學者和專家們對這個網絡問題的研究,個性化推薦系統便應運而生。
  協同過濾推薦技術是個性化推薦系統中最為成功的技術,它是利用用戶對項目評分的數據,以用戶之間或者項目之間相互協作的方式來產生推薦。由于信息不斷膨脹,協同過濾推薦技術也存在很多問題,比如評分數據的稀疏性、精確性等問題,這也是因為學者只把眼

2、光定在了用戶顯式評分部分,卻忽略了用戶瀏覽學習網站時的行為習慣,即一些隱式的信息,比如被訪問網站的屬性、用戶訪問的時長、用戶訪問次數、用戶對頁面的點擊率等。本文主要針對數據的稀疏性和精確性問題展開了研究,具體內容包括:
 ?。?)為了提高用戶之間的相似性,以增強推薦結果的精確度,本文提出了基于加權信息熵的相似性度量方法。該方法主要是把信息熵引入到協同過濾相似度量領域中,利用用戶的訪問網站時長作為隱式評分的依據,然后以用戶的評分差平

3、方和學習圈交集大小作為權重,再結合信息熵公式計算出用戶之間的熵值,由于熵值取值范圍為0到正無窮,所以本文利用高斯公式對其進行了歸一化,把范圍控制在0到1之間,這樣可使結果集中,便于分析。
 ?。?)為了解決數據的稀疏性問題,本文提出了基于用戶隱式特征的協同過濾算法。該算法首先從網絡學習網站的日志文件中提取出用戶訪問網站的基本信息,并以網站的類型作為依據,對用戶興趣進行分類;在每一類中以用戶的訪問時長和訪問次數作為隱式評分,并把隱式

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