

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、互聯(lián)網(wǎng)的飛速發(fā)展豐富了網(wǎng)絡(luò)信息資源,給人們獲取信息帶來(lái)便捷。然而隨著網(wǎng)絡(luò)資源的不斷增多,用戶在海量信息中定位有價(jià)值信息也變得更加困難,由此造成嚴(yán)重的信息過(guò)載問(wèn)題。為了協(xié)助網(wǎng)絡(luò)用戶更快捷有效的獲取有價(jià)值信息,推薦技術(shù)應(yīng)用而生。推薦技術(shù)是研究如何根據(jù)用戶興趣特點(diǎn)和相關(guān)行為,向用戶推薦其感興趣信息的一種應(yīng)用技術(shù)。
作為目前應(yīng)用最為廣泛的推薦技術(shù)之一,協(xié)同過(guò)濾技術(shù)在推薦系統(tǒng)中得到了廣泛的應(yīng)用。本文針對(duì)傳統(tǒng)的協(xié)同過(guò)濾推薦技術(shù)常遇到的稀疏
2、性、可擴(kuò)展性、冷啟動(dòng)問(wèn)題,對(duì)基于圖模型的協(xié)同過(guò)濾技術(shù)開(kāi)展研究。本文完成的成果性工作包括:
1.針對(duì)協(xié)同過(guò)濾技術(shù)中原始評(píng)分空間數(shù)據(jù)稀疏而導(dǎo)致的用戶和對(duì)象相似性度量不準(zhǔn)確的問(wèn)題,提出了一種基于用戶圖和對(duì)象圖交互式傳遞的協(xié)同過(guò)濾方法,將用戶關(guān)系信息和對(duì)象關(guān)系信息以交互式的方式傳遞到‘用戶-對(duì)象’評(píng)分信息空間中,改善原始評(píng)分空間的稀疏性問(wèn)題,進(jìn)而改善推薦性能。
2.以基于矩陣分解(Matrix factorization)模
3、型的協(xié)同過(guò)濾推薦技術(shù)為基礎(chǔ),提出了一種基于圖約束的矩陣分解模型。該模型中通過(guò)同時(shí)引入用戶圖約束和對(duì)象圖約束,從而保證了用戶關(guān)系和對(duì)象關(guān)系在原始特征空間與經(jīng)矩陣分解得到的低維本征空間結(jié)構(gòu)上的一致性。針對(duì)該模型的求解,不同于傳統(tǒng)的交替求解方法,本文提出了一種新穎的序貫式求解方法,以保證算法收斂的穩(wěn)定性。
3.針對(duì)具有圖約束的矩陣分解模型中的可擴(kuò)展性問(wèn)題,提出了一種對(duì)活躍用戶低維本征描述的在線學(xué)習(xí)方案,以避免在線重新進(jìn)行矩陣分解所帶
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
- 基于協(xié)同過(guò)濾的推薦技術(shù)研究.pdf
- 基于分值傳遞的協(xié)同過(guò)濾推薦技術(shù)研究.pdf
- 基于社會(huì)網(wǎng)絡(luò)的協(xié)同過(guò)濾推薦技術(shù)研究.pdf
- 基于信任的協(xié)同過(guò)濾推薦模型研究.pdf
- 基于用興趣變化的協(xié)同過(guò)濾推薦技術(shù)研究.pdf
- 基于用戶瀏覽路徑的協(xié)同過(guò)濾推薦技術(shù)研究.pdf
- 基于協(xié)同過(guò)濾技術(shù)的推薦方法研究.pdf
- 基于協(xié)同過(guò)濾技術(shù)的推薦算法研究.pdf
- 基于協(xié)同過(guò)濾技術(shù)的推薦算法研究
- 并行協(xié)同過(guò)濾推薦模型的研究.pdf
- 電子商務(wù)協(xié)同過(guò)濾推薦技術(shù)研究.pdf
- 基于矩陣分解及其圖模型的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于信任模型的協(xié)同過(guò)濾推薦算法的研究.pdf
- 信息推薦系統(tǒng)中的協(xié)同過(guò)濾技術(shù)研究.pdf
- 基于差分隱私保護(hù)的協(xié)同過(guò)濾推薦技術(shù)研究.pdf
- 基于動(dòng)態(tài)信任模型的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于項(xiàng)目特征模型的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于信任的協(xié)同過(guò)濾技術(shù)研究.pdf
- 基于信任傳播模型的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于云模型的協(xié)同過(guò)濾推薦系統(tǒng)研究.pdf
評(píng)論
0/150
提交評(píng)論