基于信任關(guān)系和興趣變化的協(xié)同過(guò)濾算法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩59頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

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Web2.0技術(shù)和信息傳播技術(shù)的飛速發(fā)展,我們已從信息匱乏的時(shí)代過(guò)渡到了信息過(guò)載的時(shí)代。個(gè)性化推薦技術(shù)作為解決信息過(guò)載的有效方法受到研究人員的廣泛關(guān)注,其中,協(xié)同過(guò)濾算法被認(rèn)為是最熱門的推薦算法之一,但是它依然存在著很多值得改進(jìn)的地方。比如,傳統(tǒng)協(xié)同過(guò)濾算法不能有效抵抗惡意用戶的攻擊,致使推薦準(zhǔn)確率下降。以及還會(huì)面臨信息過(guò)期的問(wèn)題,即使目前有不少研究者提出時(shí)間衰減函數(shù)能有效緩解該問(wèn)題,但推薦的準(zhǔn)確率還是不夠理想。
  本研究主

2、要內(nèi)容包括:⑴現(xiàn)有基于信任關(guān)系的協(xié)同過(guò)濾算法通常以用戶的交互來(lái)度量用戶信任度,然而,現(xiàn)有信任度度量中關(guān)于交互行為的簡(jiǎn)單計(jì)算弱化了用戶個(gè)體喜好程度差異對(duì)交互行為的影響。因此,本文在傳統(tǒng)信任模型基礎(chǔ)上引入用戶喜好度,進(jìn)而提出了改進(jìn)的基于信任關(guān)系的協(xié)同過(guò)濾算法。經(jīng)實(shí)驗(yàn)證明,這種方法能夠進(jìn)一步提高推薦的準(zhǔn)確率。⑵融入傳統(tǒng)的時(shí)間衰減函數(shù)的協(xié)同過(guò)濾算法在一定程度上刻畫了信息價(jià)值會(huì)隨時(shí)間推移而變化,但未考慮到在局部時(shí)間段,用戶興趣變化具有不變性,因此

3、可以對(duì)傳統(tǒng)時(shí)間衰減函數(shù)進(jìn)一步優(yōu)化。在時(shí)間窗的啟發(fā)下,引入了用戶興趣不變時(shí)間窗到衰減函數(shù)中。最后提出了一種改進(jìn)的基于興趣變化的協(xié)同過(guò)濾算法來(lái)更好的提高推薦的準(zhǔn)確率。⑶在上述研究工作基礎(chǔ)上,綜合考慮信任關(guān)系與用戶興趣變化兩種因素,利用加權(quán)混合方式將這兩種因素融入到協(xié)同過(guò)濾算法中,提出了混合信任關(guān)系與興趣變化的協(xié)同過(guò)濾算法。經(jīng)實(shí)驗(yàn)證明,同時(shí)結(jié)合兩種因素的推薦算法較之單一模型下的推薦算法具有更優(yōu)的推薦效果。⑷針對(duì)協(xié)同過(guò)濾算法存在不能有效抵抗惡意

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

評(píng)論

0/150

提交評(píng)論