

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、隨著計算機和互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展,網(wǎng)絡(luò)中信息量成指數(shù)增長,互聯(lián)網(wǎng)步入大數(shù)據(jù)時代,信息過載問題日益明顯。個性化推薦引擎能夠幫助用戶從海量的數(shù)據(jù)中辨別、過濾信息,主動給用戶推薦有用的信息,它是解決信息過載問題的一種具有潛力的技術(shù),成為學(xué)術(shù)界研究的熱點之一。
協(xié)同過濾推薦技術(shù)是目前應(yīng)用最為廣泛和成功的個性化推薦技術(shù),但該技術(shù)存在大數(shù)據(jù)和數(shù)據(jù)稀疏性等缺點,影響了推薦的性能。為提高推薦質(zhì)量和加快推薦響應(yīng)速度,研究者們提出對用戶或項目
2、進行聚類的協(xié)同過濾方法,實驗表明獲得了較好的效果。本文為進一步提高協(xié)同過濾推薦性能,綜合考慮用戶和項目的二元關(guān)系,提出一種雙聚類模型的協(xié)同過濾推薦算法,即首先對用戶和項目同時進行聚類,利用多目標(biāo)免疫進化算法求解雙聚類集,挖掘局部相似模式,完成對用戶和項目相似性分組,然后制定合理的相似度策略,計算用戶和雙聚類之間的相似性,搜索用戶的鄰居集,再根據(jù)預(yù)測策略給用戶進行項目預(yù)測評分,最后在線為用戶進行TOP-N推薦。為評估該算法的性能,采用Mo
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(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
- 基于Hadoop架構(gòu)的商業(yè)推薦引擎協(xié)同過濾算法設(shè)計與實現(xiàn).pdf
- 基于遺傳聚類的協(xié)同過濾推薦系統(tǒng).pdf
- 基于用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 基于云模型和用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾的門戶網(wǎng)站個性化推薦引擎構(gòu)建研究.pdf
- 基于相似度建模及SVD優(yōu)化的協(xié)同過濾推薦引擎研究與設(shè)計.pdf
- 基于聚類專家選擇的協(xié)同過濾推薦算法研究.pdf
- 基于用戶聚類的協(xié)同過濾推薦系統(tǒng)研究.pdf
- 基于內(nèi)容聚類的協(xié)同過濾推薦系統(tǒng)研究.pdf
- 基于聚類技術(shù)的協(xié)同過濾推薦系統(tǒng)研究.pdf
- 基于社會興趣聚類的協(xié)同過濾推薦算法研究.pdf
- 基于項目聚類的協(xié)同過濾推薦算法的研究.pdf
- 基于Hadoop的改進聚類協(xié)同過濾推薦算法研究.pdf
- 基于用戶興趣聚類的協(xié)同過濾推薦技術(shù)的研究
- 雙向聚類迭代的協(xié)同過濾推薦算法.pdf
- 基于用戶興趣聚類的協(xié)同過濾推薦技術(shù)的研究.pdf
- 基于K-means聚類的協(xié)同過濾推薦算法研究.pdf
- 基于用戶聚類的項目多內(nèi)容協(xié)同過濾推薦.pdf
- 基于Hadoop的聚類協(xié)同過濾推薦算法研究及應(yīng)用.pdf
- 基于模糊C均值聚類的協(xié)同過濾推薦算法研究.pdf
評論
0/150
提交評論