面向個性化推薦系統(tǒng)的自適應(yīng)算法的研究與實(shí)現(xiàn).pdf_第1頁
已閱讀1頁，還剩73頁未讀， 繼續(xù)免費(fèi)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(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著Internet和信息技術(shù)的飛速發(fā)展,日益嚴(yán)重的“信息過載”和“信息迷向”問題助推了個性化推薦系統(tǒng)的蓬勃發(fā)展。現(xiàn)有的個性化推薦技術(shù)在一定程度上緩解了人們尋找自己喜好信息的壓力和開銷。本文通過對現(xiàn)有推薦技術(shù)尤其是推薦算法的深入分析,揭示了現(xiàn)有推薦算法的特征和局限性——難以滿足目前大型推薦系統(tǒng)的高推薦精度和擴(kuò)展性需求,并進(jìn)一步歸納了推薦系統(tǒng)框架,說明了現(xiàn)有的推薦技術(shù)的瓶頸所在:用戶興趣模型的表示方法不科學(xué)以及相應(yīng)推薦算法的低性能問題。本

2、文接著重點(diǎn)在用戶模型和推薦算法兩方面提出了改進(jìn)的方法。用戶模型方面提出了利用機(jī)器學(xué)習(xí)算法來建立用戶興趣模型(UAM)的方法和過程。推薦算法方面提出了ICBD相似度計(jì)算方法與CFUPS協(xié)同推薦算法,分別改善了推薦算法的相似度計(jì)算精度和推薦結(jié)果的精度。進(jìn)而,本文基于UAM興趣模型以及ICBD、CFUPS方法提出了一種自適應(yīng)推薦算法(ARA)。該算法以目標(biāo)用戶為中心,采用協(xié)同過濾的思想,基于UAM興趣模型,對不同的用戶自適應(yīng)地賦予相應(yīng)的推薦參

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