

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、上下文感知推薦系統(tǒng)(Context-aware Recommendation Systems,簡(jiǎn)稱CARS)已經(jīng)成為個(gè)性化推薦研究領(lǐng)域最為活躍的研究領(lǐng)域之一。上下文感知推薦技術(shù)的主要研究任務(wù),就是如何利用用戶的上下文信息,在傳統(tǒng)推薦技術(shù)的基礎(chǔ)上進(jìn)一步提高推薦結(jié)果的精確度和用戶的滿意度。上下文感知推薦技術(shù)因其普適計(jì)算和個(gè)性化的特征被廣泛應(yīng)用在許多工業(yè)領(lǐng)域中,近年來(lái),尤其在電子商務(wù)、信息檢索、移動(dòng)應(yīng)用、電影和音樂(lè)推薦和電子旅游等領(lǐng)域具有廣闊
2、的應(yīng)用前景。雖然上下文感知推薦技術(shù)的研究已經(jīng)取得了一定進(jìn)展,但是仍然是一個(gè)充滿問(wèn)題和挑戰(zhàn)的新興研究領(lǐng)域。上下文感知推薦過(guò)程中存在上下文信息種類(lèi)和類(lèi)型復(fù)雜、用戶需求各異等問(wèn)題,使得充分結(jié)合用戶的上下文信息以針對(duì)不同用戶的需求推薦適當(dāng)?shù)馁Y源相當(dāng)困難,不能得到很好的用戶滿意度。因此,在用戶上下文復(fù)雜和需求各異的情況下,仍能得出精確的推薦結(jié)果和較高的用戶滿意度,就成為一個(gè)亟待解決的問(wèn)題。
基于上述分析,本文針對(duì)數(shù)字家庭環(huán)境,對(duì)上下文感
3、知推薦相關(guān)的技術(shù)進(jìn)行分析,并結(jié)合研究環(huán)境中存在的問(wèn)題和傳統(tǒng)推薦技術(shù)的不足,嘗試?yán)昧餍卸阮A(yù)測(cè)技術(shù)進(jìn)行改進(jìn),并利用多元線性回歸技術(shù)進(jìn)行流行度的預(yù)測(cè),本文主要研究上下文感知推薦過(guò)程中的上下文信息結(jié)合不充分和新興趣點(diǎn)挖掘問(wèn)題,在傳統(tǒng)推薦技術(shù)的基礎(chǔ)上,針對(duì)數(shù)字家庭環(huán)境中的上下文信息特點(diǎn),提出一種基于流行度預(yù)測(cè)的個(gè)性化媒體推薦算法MRAPP。該算法首先分析數(shù)字家庭環(huán)境下用戶的上下文信息,并對(duì)上下文信息進(jìn)行分類(lèi)建模,通過(guò)傳統(tǒng)的基于內(nèi)容的推薦技術(shù)CB
4、計(jì)算推薦結(jié)果,然后,針對(duì)基于內(nèi)容推薦技術(shù)無(wú)法為用戶推薦新興趣點(diǎn)的問(wèn)題,引入流行度的概念。文中通過(guò)理論證明和仿真實(shí)驗(yàn),論證了MRAPP算法的有效性。
本文的創(chuàng)新點(diǎn)在于考慮到用戶已經(jīng)不滿足于與其上下文信息相似的推薦資源,而需要推薦技術(shù)為其挖掘新的興趣點(diǎn),因此,引入了流行度的概念,并通過(guò)在服務(wù)器端利用多元線性回歸計(jì)算流行度的預(yù)測(cè)值,結(jié)合基于內(nèi)容推薦技術(shù)的推薦結(jié)果,為用戶推薦適合其環(huán)境的新資源,提高了用戶的滿意度。
個(gè)性化媒
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
- 基于網(wǎng)絡(luò)的個(gè)性化推薦算法研究.pdf
- 基于鍵值的個(gè)性化推薦算法.pdf
- 基于項(xiàng)目云的個(gè)性化推薦算法研究.pdf
- 基于信任機(jī)制的個(gè)性化推薦算法研究.pdf
- 基于遷移學(xué)習(xí)的個(gè)性化推薦算法研究.pdf
- 基于用戶行為的個(gè)性化推薦算法研究.pdf
- 基于本體的影視個(gè)性化推薦算法研究.pdf
- 基于關(guān)聯(lián)規(guī)則的個(gè)性化推薦算法研究.pdf
- 基于主動(dòng)學(xué)習(xí)的個(gè)性化推薦算法研究.pdf
- 基于集成學(xué)習(xí)的個(gè)性化推薦算法研究.pdf
- 個(gè)性化推薦系統(tǒng)算法研究.pdf
- 基于項(xiàng)目的個(gè)性化推薦算法研究.pdf
- 基于綜合評(píng)價(jià)的個(gè)性化推薦算法研究.pdf
- 基于聚類(lèi)的個(gè)性化推薦算法研究.pdf
- 基于自然遺忘的個(gè)性化推薦算法研究.pdf
- 基于Web挖掘的個(gè)性化推薦算法研究.pdf
- 基于社交網(wǎng)絡(luò)的個(gè)性化推薦算法研究.pdf
- 基于復(fù)雜網(wǎng)絡(luò)的個(gè)性化推薦算法研究.pdf
- 基于協(xié)同過(guò)濾的個(gè)性化推薦相似度測(cè)量算法的研究.pdf
- 個(gè)性化混合推薦算法的研究.pdf
評(píng)論
0/150
提交評(píng)論