基于用戶聚類和偏好的推薦算法研究.pdf_第1頁
已閱讀1頁,還剩64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、隨著科技的發(fā)展,Web2.0的廣泛應(yīng)用,互聯(lián)網(wǎng)上的資源飛速增長,網(wǎng)絡(luò)提供的資源也更加豐富,但如何從這些資源中尋找到用戶感興趣的內(nèi)容依然是一個難題。推薦系統(tǒng)提供了一種基于用戶喜好主動為用戶推薦其感興趣物品的方法,避免了用戶從海量數(shù)據(jù)中搜索信息的尷尬,增加資源的利用率。目前推薦系統(tǒng)大致可以分為三大類:基于內(nèi)容的推薦系統(tǒng)、協(xié)同過濾推薦系統(tǒng)和混合推薦系統(tǒng),但在實際情況中,用戶和項目數(shù)量都是巨大的,評分數(shù)據(jù)相對較少,構(gòu)造的用戶-項目評分矩陣會出現(xiàn)

2、大量空白項,出現(xiàn)數(shù)據(jù)稀疏問題,影響用戶相似度計算準確率,使得推薦結(jié)果不能讓用戶滿意。
  為了提高推薦精度和緩解稀疏矩陣問題,有學(xué)者提出基于用戶k-means聚類和偏好的推薦算法,該算法使用的k-means算法在處理非凸函數(shù)時,容易陷入局部最優(yōu)解,并且k-means算法形成的聚類簇多為球狀,另外,該算法還未考慮到用戶偏好會隨時間的變化而變化的特性,基于以上兩點,本文提出如下改進辦法:
  ①由于譜聚類在任意形狀的樣本空間可以

3、對數(shù)據(jù)進行聚類并得到最優(yōu)解,本文選用譜聚類算法對用戶進行聚類;針對譜聚類中的尺度參數(shù)σ需要人工調(diào)控的特點,最終選用可以對尺度參數(shù)進行優(yōu)化的基于信息熵的譜聚類算法。
 ?、卺槍τ脩羝檬軙r間影響較大,構(gòu)建用戶-項目評分矩陣時,引入時間影響因子;時間影響因子的定義參考艾賓浩斯遺忘曲線,對項目評分進行時間優(yōu)化。
  改進后的基于用戶聚類和偏好的推薦算法能較好的適應(yīng)多種類型的數(shù)據(jù),能對任意分布的數(shù)據(jù)進行聚類,得到全局最優(yōu)解。算法考慮

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(yù)覽,若沒有圖紙預(yù)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(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(dān)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