已閱讀1頁，還剩65頁未讀， 繼續(xù)免費閱讀
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、隨著信息時代的高速發(fā)展，推薦系統(tǒng)已成為電子商務(wù)領(lǐng)域不可或缺的一部分。推薦系統(tǒng)是為用戶做信息過濾，通過預(yù)測得到用戶潛在的興趣產(chǎn)品。協(xié)同過濾作為解決信息過載的有效方法之一，成為廣大學(xué)者研究的熱點。
本文分析了協(xié)同過濾技術(shù)發(fā)展及現(xiàn)狀，探討了個性化推薦系統(tǒng)中所采用的方法、技術(shù)，比較了各種協(xié)同過濾算法，得出了各種協(xié)同過濾算法的優(yōu)缺點和適用性。
根據(jù)對個性化推薦系統(tǒng)的需求分析，提出了運用模糊聚類過濾算法作為系統(tǒng)的關(guān)鍵技術(shù)
2、，并對算法做了相應(yīng)的研究和改進，即在傳統(tǒng)模糊C-均值的基礎(chǔ)上引進平滑方法，對用戶和項目進行雙模糊聚類，較好地解決了數(shù)據(jù)“稀疏性”問題，采用“離線聚類”與“在線推薦”結(jié)合的方法，提高了系統(tǒng)的響應(yīng)速度和準(zhǔn)確度。在預(yù)測階段，本文利用能使改進算法達到最低MAE值的最近鄰居來預(yù)測用戶未評分項目的評分，并且通過仿真實驗驗證了這種方法比單純用基于用戶模糊聚類或基于項目模糊聚類的協(xié)同推薦算法具有更高的推薦質(zhì)量，更好的推薦效果。
最后，以影
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
- 基于模糊C均值聚類的協(xié)同過濾推薦算法研究.pdf
- 基于共享近鄰聚類的協(xié)同過濾算法研究.pdf
- 基于用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 模糊聚類算法及其在協(xié)同過濾推薦中的應(yīng)用.pdf
- 基于聚類專家選擇的協(xié)同過濾推薦算法研究.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
- 基于聚類和用戶興趣的協(xié)同過濾算法的研究.pdf
- 基于項目和用戶雙重聚類的協(xié)同過濾推薦算法.pdf
- 雙向聚類迭代的協(xié)同過濾推薦算法.pdf
- 基于K-means聚類的協(xié)同過濾推薦算法研究.pdf
- 基于Hadoop的聚類協(xié)同過濾推薦算法研究及應(yīng)用.pdf
- 基于支持度的項目聚類的協(xié)同過濾算法研究.pdf
- 基于聚類的協(xié)同過濾個性化推薦算法研究.pdf
- 基于用戶興趣變化動態(tài)聚類的協(xié)同過濾算法.pdf
- 一種基于聯(lián)合聚類的協(xié)同過濾推薦算法研究
- 基于灰色關(guān)聯(lián)度聚類的協(xié)同過濾推薦算法.pdf
- 基于分步聚類和相似度優(yōu)化的協(xié)同過濾算法.pdf
- 結(jié)合用戶聚類的協(xié)同過濾推薦算法研究.pdf
評論
0/150
提交評論