已閱讀1頁，還剩82頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、隨著家居電商的進一步發(fā)展，用戶對個性化推薦的需求與日俱增，各種各樣的推薦算法開始應用其中。傳統(tǒng)的聚類推薦算法，每個參與的用戶或物品只能屬于一種類別，因此很難描述每個參與聚類的對象多個方面的特性。基于內存的協(xié)同過濾推薦算法和聚類改進的協(xié)同過濾推薦算法預測準確度不高，且難以解決數據稀疏帶來的影響。
針對這些不足之處，本文提出了一種混合推薦算法LPHRA。該算法提高了預測準確度，解決了數據稀疏性帶來的應用局限性。本文的主要研究成果如
2、下：
1.針對LSPM在物品類別推薦方面存在的不足，提出影響因子，對其中的關鍵算法EM算法進行參數的改進。實驗證明影響因子提高了預測的準確度。EM算法允許用戶以及物品屬性可以屬于多個隱類，適用性更強。LSPM對于新加入的用戶也能夠進行較為準確的推薦。
2. LPHRA對某一類別物品的具體推薦通過PVH衡量。在物品的某一類別中，選取一些PVH屬性良好的物品，加入推薦列表，這樣可以根據用戶的瀏覽習慣得到個性化的推薦。實驗
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，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