基于可信度的協(xié)同過濾推薦算法研究.pdf_第1頁
已閱讀1頁,還剩60頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、互聯(lián)網(wǎng)技術(shù)的普及,促使電子商務(wù)被越來越多的用戶所接受。推薦系統(tǒng)可以與用戶進行交互,模擬商店銷售人員幫助用戶完成購買過程,并能根據(jù)用戶的興趣對用戶進行個性化的推薦,對提升電子商務(wù)網(wǎng)站的用戶滿意度、增加網(wǎng)站的銷售量有重要影響。近年來推薦系統(tǒng)在理論研究和實踐應(yīng)用方面都取得了很大的進展,在電子商務(wù)中的應(yīng)用有著廣闊的發(fā)展前景,引起了越來越多的企業(yè)和學(xué)者的關(guān)注。
   推薦系統(tǒng)的好壞取決于系統(tǒng)所使用的推薦算法,目前主要的推薦算法有:協(xié)同過濾

2、、基于內(nèi)容、基于人口統(tǒng)計、基于知識和上述算法的混合推薦算法。其中協(xié)同過濾對推薦對象沒有特殊要求,可以廣泛地應(yīng)用于音樂、電影和在線學(xué)習(xí)等各個領(lǐng)域,在數(shù)據(jù)密度達到一定程度時表現(xiàn)出非常好的推薦質(zhì)量,因此在推薦系統(tǒng)領(lǐng)域取得了最大的成功,成為學(xué)者研究推薦算法的熱點。
   論文對傳統(tǒng)的基于用戶和基于項目的協(xié)同過濾算法進行了深入研究,發(fā)現(xiàn)傳統(tǒng)的協(xié)同過濾推薦算法對用戶偏愛度問題、用戶興趣度問題和用戶信任度問題沒有給出合理的解決方案,因此在面對

3、商品數(shù)量龐大并且用戶評分可信度不高的情況下,不能給出準確和高效的推薦?,F(xiàn)有的對協(xié)同過濾的改進算法可以在一定程度上解決上述問題,但都存在一定的局限性?;谝陨戏治觯撐奶岢隽朔诸愊嗨贫?、用戶興趣度和用戶可信度三個概念,并為這三個概念找到了一個較好的結(jié)合點,改進了推薦流程,很好地解決了上述幾個問題。改進后的算法首先根據(jù)分類相似度和用戶興趣度確定向用戶進行推薦的類別,縮小預(yù)測評分的項目空間;在計算鄰居用戶時,綜合考慮目標用戶和鄰居用戶評分的相

4、似度以及鄰居用戶在領(lǐng)域內(nèi)的可信度,因此算法搜索到的鄰居用戶既與目標用戶的興趣比較相似又比較可信。
   論文設(shè)計了三部分實驗,除采用傳統(tǒng)的平均絕對偏差(MAE)和平均推薦產(chǎn)生耗時(MCT)兩個評估指標進行評價之外,論文還提出了一個新穎度指標(NOV)對推薦效果進行考查。經(jīng)過一系列對比實驗證明:改進后的算法能夠明顯地提高推薦的準確度。另外,由于本文算法采用了離線和在線結(jié)合的方式產(chǎn)生推薦,并且縮小了預(yù)測評分的項目空間,因而推薦效率也

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。

評論

0/150

提交評論