推薦系統(tǒng)的協同過濾、矩陣分解和k近鄰方法及其優(yōu)化.pdf_第1頁
已閱讀1頁，還剩62頁未讀， 繼續(xù)免費閱讀

下載本文檔

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、隨著互聯網的興起，信息過載越來越困繞著人們，如何從大量的信息中尋找到自己需要的內容成為了大家關注的焦點，在此情況之下，推薦系統(tǒng)應運而生。
　　本文主要介紹了目前最為流行的集中推薦系統(tǒng)算法。包括協同過濾算法，奇異值分解算法和kNN算法，并對它們進行了相應的改進和提高。
　　對于協同過濾算法，我們更新了傳統(tǒng)的相似度度量，提出了一種混合的相似度度量，從而改進了原始算法中的單一度量；進一步地，我們還提出了使用K--means對用戶進

2、行聚類的協同過濾算法，降低了算法的復雜度。針對奇異值分解算法，我們提出了結合人口統(tǒng)計學信息的特征值分解算法；此外我們還引入了局部結構化的奇異值分解方法，對原有的模型進行了進一步的優(yōu)化；同時，我們在奇異值分解中也介紹了一種雖然效果較差但是算法復雜度更低、實現速度更快的算法—分塊的SVD方法。針對kNN算法，我們進一步更新了行相似度的算法，除了協同過濾算法中能考慮的內容，我們增加了用戶的人口統(tǒng)計學信息，通過用戶群體之間的差別和用戶個體之間的

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