

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
文檔簡介
1、隨著信息技術的飛速發(fā)展,Internet已成為包含海量信息和用戶的復雜網(wǎng)絡,為全世界人們傳遞和共享信息。然而,海量的信息資源導致了“信息迷茫”和“信息過載”等問題,使人們常常在信息的海洋里迷失方向,越來越難以準確、高效地獲取自己需要的信息。為此,個性化服務技術應時而生。推薦系統(tǒng)作為一種成熟的個性化服務技術已在社區(qū)交友、電子商務和科學研究等領域得到了廣泛的應用。
常用的推薦技術包括:協(xié)同過濾推薦、基于模型的推薦、基于內(nèi)容的推薦和
2、混合推薦。其中,協(xié)同過濾技術因其推薦精度高、實現(xiàn)簡單、易于用于實際系統(tǒng)而備受青睞。然而,除了稀疏性和冷啟動問題外,經(jīng)典的協(xié)同過濾算法,另一個最大的缺點是可擴展性問題,即隨著商品和用戶數(shù)量的增加,計算時間迅速的增加,影響了推薦的實時性。
本文針對協(xié)同過濾推薦算法的可擴展性問題,從項目或用戶向量的表示方法入手,剖析了對象屬性嚴格匹配的缺陷,提出了基于均模型的協(xié)同過濾推薦算法。另外重點考察了系統(tǒng)的運行模式,設計實現(xiàn)了一種新的基于Ma
3、pReduce分布式框架的協(xié)同過濾推薦算法。
本文的創(chuàng)新點主要有兩個,一是采用均模型來表示項目或用戶的特征,該模型通過抽取項目或用戶的關鍵特征,適當濃縮向量的長度,為在大規(guī)模數(shù)據(jù)集上進行高效、實時的推薦提供支持;二是通過評測經(jīng)典協(xié)同過濾推薦算法的關鍵步驟,找到了適合用于MapReduce編程模式改進的方法,并基于Hadoop實現(xiàn)原理選用合適的Map與Reduce方案,將基于均模型的協(xié)同過濾推薦算法的三大關鍵步驟所涉及的數(shù)據(jù)表達
4、、計算等問題轉(zhuǎn)換為Map或Reduce操作,實現(xiàn)了算法的并行化。
本文采用的檢測數(shù)據(jù)是Grouplens提供的MovieLens100k、MovieLens1M、MovieLens10M三個數(shù)據(jù)集,主要從算法精度和運行時間兩方面對經(jīng)典基于項目的協(xié)同過濾推薦算法、基于云模型的推薦算法和基于均模型的協(xié)同過濾算法進行了對比實驗。實驗結(jié)果表明:基于均模型的協(xié)同過濾推薦算法在確保精度的前提下,能有效縮短項目相似性計算時間,易于處理大數(shù)據(jù)
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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。
- 6. 下載文件中如有侵權(quán)或不適當內(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
- 協(xié)同過濾推薦算法研究及MapReduce實現(xiàn).pdf
- 基于MapReduce的協(xié)同過濾算法并行化研究.pdf
- 基于MapReduce的可擴展協(xié)同過濾算法的研究.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于協(xié)同過濾技術的推薦算法研究.pdf
- 基于協(xié)同過濾的圖書推薦算法研究.pdf
- 基于協(xié)同過濾技術的推薦算法研究
- 基于SVD的協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾的器件推薦算法研究.pdf
- 協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾的圖書推薦算法研究
- 協(xié)同過濾推薦算法改進研究.pdf
- 新型協(xié)同過濾推薦算法研究.pdf
- 基于雙邊匹配的協(xié)同過濾推薦算法.pdf
- 基于用戶興趣的協(xié)同過濾推薦算法研究.pdf
- 基于大數(shù)據(jù)的協(xié)同過濾推薦算法研究.pdf
- 基于用戶行為協(xié)同過濾推薦算法.pdf
- 基于矩陣分解的協(xié)同過濾推薦算法研究.pdf
- 基于遷移學習的協(xié)同過濾推薦算法研究.pdf
- 基于時間權(quán)重的協(xié)同過濾推薦算法研究.pdf
評論
0/150
提交評論