

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。
最新文檔
- 基于用戶聚類的協(xié)同推薦算法研究.pdf
- 基于用戶模型質(zhì)量和語義聚類的標(biāo)簽推薦算法研究.pdf
- 基于聚類和項目類別偏好的協(xié)同過濾推薦算法研究.pdf
- 基于用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 基于云模型和用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 基于相似服務(wù)聚類和用戶偏好的服務(wù)選擇方法.pdf
- 基于用戶聚類和移動上下文的矩陣分解推薦算法研究
- 基于用戶Web訪問日志聚類的推薦算法研究與應(yīng)用.pdf
- 基于用戶聚類和移動上下文的矩陣分解推薦算法研究.pdf
- 基于聚類的智能推薦算法研究.pdf
- 基于聚類技術(shù)的推薦算法研究.pdf
- 基于特征偏好的聚類算法研究與實現(xiàn).pdf
- 結(jié)合用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 基于用戶動態(tài)偏好的異構(gòu)隱式反饋推薦算法研究.pdf
- 基于用戶聚類和語義詞典的微博推薦系統(tǒng).pdf
- 基于用戶聚類的個性化推薦方法研究.pdf
- 基于用戶聚類的微博話題推薦方法研究.pdf
- 基于聚類和用戶興趣的協(xié)同過濾算法的研究.pdf
- 基于用戶偏好多樣性的推薦算法研究及應(yīng)用.pdf
- 基于選擇偏好的組合聚類算法研究與實現(xiàn).pdf
評論
0/150
提交評論