基于用戶細分及組合相似度的個性化推薦算法的研究與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩63頁未讀 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、隨著移動互聯(lián)網(wǎng)技術(shù)不斷向前發(fā)展,人們提前進入到“信息過?!钡臅r代。然而,用戶的真實需求被埋藏在海量數(shù)據(jù)中,如何為用戶提供有效且有價值的信息與服務已經(jīng)成為學術(shù)界深入研究的方向之一。
  針對中國某省移動手機閱讀管理系統(tǒng)推薦方法存在的問題,本文提出了基于用戶細分的個性推薦策略與面向稀疏與冷啟動問題的組合推薦方法實現(xiàn)中國移動某省手機閱讀平臺的個性化推薦。其主要工作如下:
  1.給出一種新的基于Item-Based用戶細分推薦方法

2、。
  新的基于Item-Based用戶細分推薦方法,根據(jù)用戶的圖書閱讀情況,將用戶劃分為深度閱讀用戶和非深度閱讀用戶兩大類;同時,為了提高用戶的忠誠,降低用戶流失率將深度閱讀用戶分類分為高價值用戶群體、中價值用戶群體與低價值用戶群體,應用不同的推薦策略進行個性化圖書推薦。實驗結(jié)果表明該方法推薦質(zhì)量有較大提升,用戶點擊與購買率較以前也有明顯改進。
  2.給出了一種新的基于SlopeOne用戶細分推薦方法。
  新的基

3、于SlopeOne用戶細分與Item-Based用戶細分推薦方法不同之處是,對于低價值用戶群無需進行用戶細分,而是直接采用SlopeOne予以推薦。在推薦性能、用戶點擊與購買率上,該方法均有很好地改進與提升。
  3.給出了一種新的基于組合相似度的關(guān)聯(lián)推薦方法。
  實現(xiàn)一種結(jié)合關(guān)聯(lián)規(guī)則推薦與協(xié)同過濾推薦模式,該方法能夠有效地處理稀疏數(shù)據(jù)和冷啟動問題,具有很好的實用價值。
  4.給出了新用戶活躍度提升方法。
 

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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