基于高維顯性特征的矩陣分解推薦.pdf_第1頁(yè)
已閱讀1頁(yè)，還剩56頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

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、隱含特征模型是協(xié)同過(guò)濾推薦算法中的重要部分。由于它只需利用用戶-條目的打分信息就能達(dá)到非常好的預(yù)測(cè)效果而廣為使用。通過(guò)特征分解，算法從簡(jiǎn)單的評(píng)分矩陣獲得用戶與條目的特征向量。特征向量包含用戶和條目的隱含屬性，能夠?qū)ξ粗娜笔е颠M(jìn)行預(yù)測(cè)。由于該過(guò)程是將一個(gè)高維二維矩陣分解得到兩個(gè)低維特征矩陣，因此這種推薦算法也稱為矩陣分解推薦。矩陣分解推薦需要的信息類型比較單一，只需要用戶-條目的稀疏矩陣，因此適合特征比較少的情況。然而，矩陣分解整個(gè)特征

2、化的過(guò)程完全是隱含的，用戶或條目特征向量的哪個(gè)維度具體代表哪個(gè)特征是完全不得而知的。因此，一些已觀測(cè)到的顯性特征很難加入到模型中。
　　基于矩陣分解模型，在本文中我們提出了一個(gè)能夠?qū)⒁延^測(cè)的顯性特征整合到模型中的算法。該算法通過(guò)升維的方式整合顯性特征，從而提高了預(yù)測(cè)準(zhǔn)確性。本文的主要貢獻(xiàn)如下:(1)能夠捕捉到用戶對(duì)具有某些特征的條目偏好信息，根據(jù)偏好信息對(duì)用戶的特征向量做調(diào)整。(2)模型也適用于條目特征值具有多值的情況。(3)基本

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。

評(píng)論

0/150

提交評(píng)論