結(jié)合內(nèi)容預(yù)測和Item-based協(xié)同過濾的推薦系統(tǒng)研究.pdf_第1頁
已閱讀1頁，還剩46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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、近年來，推薦系統(tǒng)在網(wǎng)絡(luò)上獲得了普遍的成功，協(xié)同過濾是其中應(yīng)用最為廣泛的個性化推薦技術(shù)。但是，網(wǎng)上有效信息的數(shù)量和種類的急速增長對推薦系統(tǒng)提出了嚴(yán)峻挑戰(zhàn)，協(xié)同過濾推薦中存在的第一評價，稀疏問題和可擴(kuò)展性問題急待解決。為了解決這些問題，本文討論了個性化推薦系統(tǒng)的推薦方法，分析了協(xié)同過濾推薦的第一評價問題、稀疏問題的根源。在研究了Item-based協(xié)同過濾推薦和基于內(nèi)容推薦的特點之后，提出了一種采用基于內(nèi)容的推薦改進(jìn)Item-based協(xié)同

2、過濾的組合推薦方法，利用基于內(nèi)容的推薦對相似項目的分析，彌補(bǔ)協(xié)同過濾推薦在新項目推薦方面的不足，利用Item-based協(xié)同過濾推薦代替?zhèn)鹘y(tǒng)協(xié)同過濾推薦，彌補(bǔ)傳統(tǒng)協(xié)同過濾推薦在可擴(kuò)展性方面的不足。這種組合推薦算法首先利用基于內(nèi)容的推薦分析項目的特征屬性、找出新項目的相似項目，然后通過用戶對相似項目的評價來預(yù)測對新項目的評分，最后使用Item-based協(xié)同過濾推薦在相似項目的范圍內(nèi)計算鄰居用戶并給出最終的預(yù)測評分。因此，這種組合推薦算法

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(hù)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

評論

0/150

提交評論