基于協(xié)同過濾的個性化新聞推薦系統(tǒng)的研究與實現(xiàn).pdf_第1頁
已閱讀1頁，還剩53頁未讀， 繼續(xù)免費閱讀

下載本文檔

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(rèn)領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，人們已經(jīng)由信息匱乏時代邁進信息過載時代。海量的信息資源使得人們很難找到自己感興趣的內(nèi)容，這一用戶需求促進了個性化推薦系統(tǒng)的發(fā)展。個性化推薦系統(tǒng)以其能夠過濾大量無用信息，預(yù)測用戶潛在喜歡內(nèi)容的優(yōu)勢，得到了各領(lǐng)域越來越廣泛的應(yīng)用。
　　本文研究的是個性化推薦系統(tǒng)在新聞領(lǐng)域的應(yīng)用，雖然新聞個性化推薦已經(jīng)在理論研究中取得了長足發(fā)展，但仍有很多問題亟待解決，如：數(shù)據(jù)稀疏性問題、冷啟動問題、可擴展性問題等。因此本文把解決

2、個性化新聞推薦系統(tǒng)中的數(shù)據(jù)稀疏性和冷啟動問題作為研究重點，其主要工作有：
　　①提出一種基于用戶偏好和項目屬性的協(xié)同過濾推薦算法（IAUPCF）。本算法在傳統(tǒng)的用戶項目評分矩陣的基礎(chǔ)上，融入用戶偏好和項目屬性，把評分矩陣轉(zhuǎn)換成基于用戶偏好和項目屬性的評分矩陣（IAUPEM），然后根據(jù)IAUPEM計算目標(biāo)用戶最近鄰居集。此改進算法解決了傳統(tǒng)相似性計算只依賴用戶評分值而造成數(shù)據(jù)稀疏的問題。
　?、谔岢鲆环N新的有效預(yù)測評分值方法，

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(yù)覽，若沒有圖紙預(yù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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

評論

0/150

提交評論