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、計(jì)算機(jī)的迅速普及以及網(wǎng)絡(luò)通信技術(shù)的發(fā)展是人類第五次信息技術(shù)革命的基礎(chǔ),信息化時(shí)代的到來(lái)為人們的生活帶來(lái)了前所未有的改變和體驗(yàn)。但是毫無(wú)疑問(wèn),發(fā)展與問(wèn)題是相互伴隨的,信息過(guò)載問(wèn)題日益嚴(yán)重,同時(shí)人們需求變換越來(lái)越快,同質(zhì)化的服務(wù)已經(jīng)難以適應(yīng)人們的需求變化,個(gè)性化服務(wù)成為了發(fā)展的主流,個(gè)性化推薦系統(tǒng)便應(yīng)運(yùn)而生,它的出現(xiàn)不僅緩解了信息過(guò)載問(wèn)題還提高了用戶的服務(wù)滿意度。
本文闡述了推薦系統(tǒng)的發(fā)展歷程與應(yīng)用前景。在簡(jiǎn)要介紹了協(xié)同過(guò)濾、基于
2、內(nèi)容、潛在語(yǔ)義分析、基于關(guān)聯(lián)規(guī)則、基于情景信息等主流推薦算法基礎(chǔ)上,重點(diǎn)對(duì)協(xié)同過(guò)濾算法進(jìn)行了闡述,同時(shí)分析了推薦算法中的常見問(wèn)題以及相關(guān)解決方法。
伴隨著用戶和項(xiàng)目數(shù)據(jù)量的急速增長(zhǎng),基于用戶的協(xié)同過(guò)濾算法將產(chǎn)生不可避免的數(shù)據(jù)稀疏問(wèn)題,進(jìn)而極大的降低了算法推薦準(zhǔn)確度,影響推薦效果。針對(duì)這一問(wèn)題,本文在深入研究項(xiàng)目之間聯(lián)系的基礎(chǔ)上,提出了一種改進(jìn)的基于用戶的協(xié)同過(guò)濾算法ISUCF,該算法綜合了項(xiàng)目的屬性相似度和關(guān)聯(lián)相似度,對(duì)評(píng)分矩
3、陣進(jìn)行填充。論文詳細(xì)的描述了算法的改進(jìn)思路與推導(dǎo)過(guò)程,并且通過(guò)實(shí)驗(yàn)對(duì)比分析ISUCF算法與已有算法,結(jié)果表明本文改進(jìn)算法可以有效提高推薦準(zhǔn)確度。
雖然本文的ISUCF算法通過(guò)實(shí)驗(yàn)證明一定程度上可以解決數(shù)據(jù)稀疏問(wèn)題,但是難以動(dòng)態(tài)跟蹤用戶需求變化以及推薦時(shí)效性差等問(wèn)題對(duì)推薦結(jié)果準(zhǔn)確度和質(zhì)量的影響也不可忽視。而且在這個(gè)信息瞬息萬(wàn)變的時(shí)代,影響人們需求的情景因素也在不斷變化,只有對(duì)用戶需求進(jìn)行動(dòng)態(tài)分析追蹤,才能取得更好效果。對(duì)此,本文
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
- 基于用戶相似度的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶多維相似度的協(xié)同過(guò)濾推薦算法.pdf
- 基于用戶聯(lián)合相似度的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于項(xiàng)目相似度改進(jìn)的協(xié)同過(guò)濾TopN推薦算法研究.pdf
- 基于組合相似度的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶相似性的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于聯(lián)合相似度的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于項(xiàng)目綜合相似度的協(xié)同過(guò)濾算法.pdf
- 基于用戶協(xié)同過(guò)濾推薦算法的研究.pdf
- 基于用戶行為協(xié)同過(guò)濾推薦算法.pdf
- 基于用戶興趣的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于鄰域的協(xié)同過(guò)濾推薦系統(tǒng)相似度研究.pdf
- 融合項(xiàng)目屬性相似度和評(píng)分相似度的協(xié)同過(guò)濾推薦算法.pdf
- 基于用戶興趣和項(xiàng)目特性的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶興趣偏移的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶興趣變化的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于用戶動(dòng)態(tài)行為的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于協(xié)同過(guò)濾的個(gè)性化推薦相似度測(cè)量算法的研究.pdf
- 基于用戶的協(xié)同過(guò)濾推薦算法的改進(jìn)研究.pdf
- 協(xié)同過(guò)濾混合相似度推薦機(jī)制研究與設(shè)計(jì).pdf
評(píng)論
0/150
提交評(píng)論