

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(lǐng)
文檔簡介
1、在互聯(lián)網(wǎng)快速發(fā)展的今天,網(wǎng)絡(luò)上的信息日益膨脹,面對這眾多的信息資源,廣大網(wǎng)民發(fā)現(xiàn)越來越難以獲得自己想要的信息。個性化的服務(wù)技術(shù)就在這種需求背景下誕生了。個性化服務(wù)是根據(jù)用戶的設(shè)定來實現(xiàn)的,是一種有針對性的服務(wù)方式,通過各種渠道對資源進行收集、整理和分類,向用戶提供和推薦相關(guān)信息,以滿足用戶的需求。個性化服務(wù)打破了傳統(tǒng)的被動式的服務(wù)模式,能夠充分利用各種資源優(yōu)勢,主動開展以滿足用戶個性化需求為目的的服務(wù)。
本文對個性化推薦系統(tǒng)及
2、其相關(guān)技術(shù)進行了研究,首先分析了間接信息提取和直接信息反饋這兩種常用的互聯(lián)網(wǎng)用戶愛好提取方式各自的優(yōu)點和缺點,并在這一基礎(chǔ)上提出了一種利用半顯式半隱式愛好提取方式來得到互聯(lián)網(wǎng)用戶的興趣信息的新的互聯(lián)網(wǎng)用戶愛好提取方式。其次對常見的幾種興趣模型進行了分析,提出了構(gòu)建在互聯(lián)網(wǎng)用戶興趣消退基礎(chǔ)上的興趣模型表示。最后通過對個性化推薦系統(tǒng)的設(shè)計目標進行分析,在互聯(lián)網(wǎng)用戶興趣消退的興趣模型基礎(chǔ)上,利用Pearson相關(guān)性算法計算用戶和資源項目間的相
3、似性,并利用K最近鄰分類算法計算相似用戶的“鄰居區(qū)”,進而提出了基于資源項目的個性化推薦。
此外,還對Pearson相關(guān)性算法和基于余弦的相似性算法進行了對比測試,實驗結(jié)果表明Pearson相關(guān)性算法和基于余弦的相似性算法相差不大。在最近鄰體積的大小對個性化推薦系統(tǒng)質(zhì)量的影響的測試中發(fā)現(xiàn)當(dāng)最近鄰體積超過30時最近鄰體積的大小對推薦系統(tǒng)的質(zhì)量影響不明顯。對基于用戶的協(xié)同過濾算法和基于資源項目的協(xié)同過濾算法的比較測試則表明基于資源
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
- 基于用戶興趣的個性化推薦技術(shù)研究.pdf
- 基于用戶興趣模型的個性化推薦引擎技術(shù)研究.pdf
- 面向個性化推薦的用戶興趣建模技術(shù)研究.pdf
- 基于用戶瀏覽內(nèi)容的Web用戶瀏覽行為個性化研究.pdf
- 基于用戶興趣變化和排序的個性化推薦.pdf
- 基于用戶興趣特征變化的旅游路線個性化推薦技術(shù)研究.pdf
- 基于用戶多興趣和社交網(wǎng)絡(luò)的個性化推薦研究
- 基于用戶興趣的個性化信息推薦系統(tǒng).pdf
- 基于加權(quán)關(guān)聯(lián)規(guī)則和瀏覽行為的個性化推薦.pdf
- 基于用戶興趣的個性化信息檢索技術(shù)研究.pdf
- 基于用戶多興趣和社交網(wǎng)絡(luò)的個性化推薦研究.pdf
- 基于用戶行為的個性化推薦算法研究.pdf
- 基于用戶體驗的個性化服裝推薦技術(shù)研究.pdf
- 基于客戶瀏覽行為的個性化推薦系統(tǒng)研究.pdf
- 基于用戶興趣的個性化推薦系統(tǒng)的研究與設(shè)計.pdf
- 基于用戶分析的個性化微博推薦技術(shù)研究.pdf
- 微博用戶興趣模型及個性化推薦技術(shù)研究與應(yīng)用.pdf
- 基于DSP平臺的個性化廣告推薦——用戶興趣模型研究.pdf
- 基于物質(zhì)擴散和用戶聚類的個性化推薦技術(shù)研究.pdf
- 基于用戶行為的個性化推薦優(yōu)化方法研究.pdf
評論
0/150
提交評論