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、現(xiàn)在的互聯(lián)網(wǎng)以及正在逐步建立的物聯(lián)網(wǎng),已經(jīng)使得人們處于信息的海洋之中,對(duì)于現(xiàn)在的人們而言,“信息匱乏”的時(shí)代一去不復(fù)返,協(xié)同過(guò)濾幫助人們處理信息過(guò)載。
為更好的發(fā)掘出物品的長(zhǎng)尾效應(yīng),引入?yún)f(xié)同過(guò)濾推薦系統(tǒng),充分研究用戶的個(gè)人興趣,定位于某位特定用戶,為用戶提供更為個(gè)性化的需求,從而將長(zhǎng)尾商品準(zhǔn)確地推薦給需要它的用戶,幫助用戶發(fā)現(xiàn)那些他們很感興趣而自己很難發(fā)現(xiàn)的物品。協(xié)同過(guò)濾算法在具體的實(shí)際應(yīng)用場(chǎng)景中,由于用戶在最開(kāi)始,一般只會(huì)評(píng)
2、價(jià)或者購(gòu)買很少一部分的物品,這就會(huì)導(dǎo)致在收集用戶的個(gè)人偏好的過(guò)程中,形成的初始的評(píng)分矩陣(用戶-物品)非常的稀疏,由此引出協(xié)同過(guò)濾推薦的數(shù)據(jù)稀疏問(wèn)題和“冷啟動(dòng)”問(wèn)題。在這樣的情況下面臨的挑戰(zhàn),就是要求協(xié)同過(guò)濾推薦系統(tǒng)用相對(duì)較少的有效的評(píng)分來(lái)獲得準(zhǔn)確的預(yù)測(cè)。
對(duì)于協(xié)同過(guò)濾推薦系統(tǒng)中,普遍存在的數(shù)據(jù)的稀疏問(wèn)題和“冷啟動(dòng)”問(wèn)題,為了達(dá)到“用相對(duì)較少的有效的評(píng)分來(lái)獲得準(zhǔn)確的預(yù)測(cè)”的目標(biāo),本文提出了一種新的研究協(xié)同過(guò)濾推薦的方法——基于
3、局部全局相似度的奇異值分解的協(xié)同過(guò)濾算法。新的算法主要分為三個(gè)部分:
(1)評(píng)分矩陣(用戶-物品)的相似度度量,通過(guò)基于局部相似度和基于全局相似度的新的協(xié)同過(guò)濾架構(gòu),來(lái)對(duì)初始的評(píng)分矩陣(用戶-物品)進(jìn)行預(yù)處理,獲得一個(gè)新的評(píng)分矩陣,作為下一步算法的輸入。
?。?)評(píng)分矩陣(用戶-物品)的SVD處理,利用數(shù)學(xué)上矩陣分解模型奇異值分解理論對(duì)評(píng)分矩(用戶-物品)進(jìn)行分解,用其預(yù)測(cè)的結(jié)果獲得活躍用戶的鄰居,從而產(chǎn)生較好的預(yù)測(cè)。
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
- 基于改進(jìn)的K-means和奇異值分解的協(xié)同過(guò)濾研究.pdf
- 基于全局和局部相似性度量的協(xié)同過(guò)濾推薦研究.pdf
- 基于項(xiàng)目綜合相似度的協(xié)同過(guò)濾算法.pdf
- 基于組合相似度的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶相似度的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于聯(lián)合相似度的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于奇異值分解的數(shù)字水印算法研究.pdf
- 基于用戶多維相似度的協(xié)同過(guò)濾推薦算法.pdf
- 基于用戶聯(lián)合相似度的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于可信相似度傳遞的協(xié)同過(guò)濾算法研究與應(yīng)用
- 基于奇異值和重組信任矩陣的協(xié)同過(guò)濾推薦算法的研究.pdf
- 基于項(xiàng)目相似度改進(jìn)的協(xié)同過(guò)濾TopN推薦算法研究.pdf
- 基于耦合相似度的協(xié)同過(guò)濾算法的研究及應(yīng)用.pdf
- 基于可信相似度傳遞的協(xié)同過(guò)濾算法研究與應(yīng)用.pdf
- 基于DCT和奇異值分解的數(shù)字水印算法研究.pdf
- 基于相似-信任度模型的協(xié)同過(guò)濾算法研究與應(yīng)用.pdf
- 基于矩陣分解的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于分步聚類和相似度優(yōu)化的協(xié)同過(guò)濾算法.pdf
- 基于鄰域的協(xié)同過(guò)濾推薦系統(tǒng)相似度研究.pdf
- 基于奇異值分解的小波域水印算法.pdf
評(píng)論
0/150
提交評(píng)論