

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著互聯(lián)網(wǎng)近幾年爆炸式的發(fā)展,海量的信息以及其持續(xù)的增長(zhǎng)使得信息嚴(yán)重過(guò)載,信息利用率大大地降低,而人們對(duì)有價(jià)值信息的獲取也面臨著挑戰(zhàn),由此一個(gè)單獨(dú)的體系概念推薦系統(tǒng)引起了學(xué)術(shù)界與工業(yè)界的關(guān)注。推薦系統(tǒng)能有效地解決信息過(guò)載帶來(lái)的用戶選擇問(wèn)題,其不同于搜索引擎,推薦系統(tǒng)是基于對(duì)歷史數(shù)據(jù)的分析然后主動(dòng)地向用戶推送對(duì)用戶潛在有價(jià)值的或者用戶可能會(huì)喜歡的信息內(nèi)容。傳統(tǒng)的推薦系統(tǒng)大多是使用單一的數(shù)據(jù)源并基于單一的或者簡(jiǎn)單混合的策略實(shí)現(xiàn)推薦,其通常無(wú)
2、法有效地解決推薦系統(tǒng)中面臨的數(shù)據(jù)稀疏性、冷啟動(dòng)、推薦實(shí)時(shí)性等問(wèn)題。并且在當(dāng)今大數(shù)據(jù)時(shí)代的背景下推薦系統(tǒng)往往是建立在擁有大規(guī)模數(shù)據(jù)集的數(shù)據(jù)平臺(tái)上,結(jié)合大數(shù)據(jù)處理技術(shù)構(gòu)建一個(gè)穩(wěn)定與高效的推薦系統(tǒng)也一直是推薦領(lǐng)域研究的熱點(diǎn)。
本文在深入研究傳統(tǒng)推薦算法的基礎(chǔ)上設(shè)計(jì)了一種使用多數(shù)據(jù)源的混合推薦方法,其中結(jié)合使用了用戶人口統(tǒng)計(jì)學(xué)信息、物品屬性特征以及顯式與隱式評(píng)分信息通過(guò)混合方法實(shí)現(xiàn)推薦,從而改善了推薦系統(tǒng)中數(shù)據(jù)稀疏性與冷啟動(dòng)的問(wèn)題。并
3、且本文通過(guò)對(duì)相關(guān)大數(shù)據(jù)處理技術(shù)的研究實(shí)現(xiàn)了基于該混合推薦方法的推薦系統(tǒng),該推薦系統(tǒng)包括使用Hadoop構(gòu)建的離線推薦模塊以及使用實(shí)時(shí)流計(jì)算框架Storm實(shí)現(xiàn)的在線推薦模塊,并且通過(guò)對(duì)離線推薦結(jié)果與在線推薦結(jié)果的交叉混合生成最終的推薦列表,系統(tǒng)中實(shí)現(xiàn)了對(duì)用戶行為日志的收集并轉(zhuǎn)換為相應(yīng)的隱式評(píng)分從而擴(kuò)充了系統(tǒng)中的數(shù)據(jù),該系統(tǒng)還使用Storm滑動(dòng)窗口實(shí)現(xiàn)了在線推薦系統(tǒng)其很大程度地提高了推薦的實(shí)時(shí)性。本文中還深入地探討了推薦系統(tǒng)中使用到的日志收
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于混合推薦技術(shù)的推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
- 基于混合推薦的電影推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于混合推薦的手機(jī)閱讀推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于混合推薦技術(shù)的個(gè)性化資源推薦模型設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于用戶偏好混合推薦系統(tǒng)Rblog設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于Spark的混合推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于音樂(lè)基因的混合音樂(lè)推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于混合算法的推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于語(yǔ)言處理技術(shù)的推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于混合推薦算法的情境感知音樂(lè)推薦系統(tǒng)研究與實(shí)現(xiàn).pdf
- 基于SVD與SVM混合推薦的電影推薦系統(tǒng)的研究.pdf
- 基于協(xié)同過(guò)濾混合推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于Spark的混合推薦系統(tǒng).pdf
- 基于Spark的推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于混合推薦算法的網(wǎng)上銀行社區(qū)營(yíng)銷推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf
- 基于混合算法模型的農(nóng)產(chǎn)品推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 混合EPG推薦系統(tǒng)中解析器的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于CiteULike的論文推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于二分圖推薦算法的電影推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于混合過(guò)濾技術(shù)的文章推薦系統(tǒng)研究.pdf
評(píng)論
0/150
提交評(píng)論