已閱讀1頁，還剩58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、計算機的普及與互聯(lián)網(wǎng)的應(yīng)用加速了信息的增長和傳播，促進了信息產(chǎn)業(yè)的發(fā)展。當(dāng)今信息的傳播速度已經(jīng)大大超過了人類的掌握能力，又反過來制約了信息產(chǎn)業(yè)的發(fā)展，新興的電子商務(wù)也面臨同樣的問題。作為當(dāng)今應(yīng)用最廣泛、最成功的個性化推薦方法，協(xié)同過濾技術(shù)根據(jù)消費者的瀏覽偏好與購買歷史，通過最近鄰搜索算法和評分預(yù)測方法，幫助消費者篩選有用資訊，并向其提供最符合個人需求的購買建議，增強了電子商務(wù)系統(tǒng)的互動體驗和銷售能力，促進了電子商務(wù)的進一步發(fā)展。
2、 然而，傳統(tǒng)的協(xié)同過濾算法存在準(zhǔn)確性低、評分預(yù)測覆蓋率小、算法擴展性差等問題，這極大地降低了現(xiàn)實中推薦系統(tǒng)預(yù)測結(jié)果的質(zhì)量。為了克服這些問題，提高協(xié)同過濾算法的整體性能，本文在討論相關(guān)性與合理性的基礎(chǔ)上，將基本的SimRank算法和協(xié)同過濾的思想相結(jié)合，并加入分類和聚類的方法分割原始評分矩陣，使用認(rèn)知度概念修正用戶相似性值，構(gòu)建出一種新的基于SimRank++的協(xié)同過濾推薦算法。
針對新的協(xié)同過濾推薦算法，本文首先從理
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
- 基于多GPU的協(xié)同過濾推薦算法研究及應(yīng)用.pdf
- 基于協(xié)同過濾算法的電影推薦應(yīng)用研究.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于協(xié)同過濾技術(shù)的推薦算法研究.pdf
- 基于協(xié)同過濾的圖書推薦算法研究.pdf
- 基于協(xié)同過濾技術(shù)的推薦算法研究
- 基于SVD的協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾的器件推薦算法研究.pdf
- 協(xié)同過濾推薦算法研究.pdf
- 好友推薦中的協(xié)同過濾算法研究及應(yīng)用.pdf
- 基于Hadoop的聚類協(xié)同過濾推薦算法研究及應(yīng)用.pdf
- 基于協(xié)同過濾的圖書推薦算法研究
- 基于MapReduce的協(xié)同過濾推薦算法研究.pdf
- 推薦系統(tǒng)中協(xié)同過濾算法的研究及應(yīng)用.pdf
- 協(xié)同過濾推薦算法改進研究.pdf
- 新型協(xié)同過濾推薦算法研究.pdf
- 基于雙邊匹配的協(xié)同過濾推薦算法.pdf
- 基于用戶興趣的協(xié)同過濾推薦算法研究.pdf
- 基于大數(shù)據(jù)的協(xié)同過濾推薦算法研究.pdf
- 基于用戶行為協(xié)同過濾推薦算法.pdf
評論
0/150
提交評論