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、隨著信息化技術的快速發(fā)展，互聯網數據爆炸式的增長，在如此多的互聯網數據的情況下，人們不得不花費大量的時間精力去搜索瀏覽自己需要的信息。雖然傳統(tǒng)的搜索引擎信息檢索技術已經能夠滿足人們一定的需求，但面對不同用戶在不同背景、不同時期、不同目的的查詢需求下，傳統(tǒng)的信息檢索技術似乎顯得捉襟見肘。個性化推薦技術就是在這樣一種大背景下應運而生的，個性化推薦技術針對不同目標群體為其提供差異化的服務，以滿足群體中任意用戶的差異化需求。個性化推薦技術通過采
2、集和分析用戶自身及行為數據來學習用戶的興趣和預測用戶的行為，從而達到自主為每一個群體用戶推薦的目的。個性化推薦技術能夠有效地提升網站的服務質量，增加網站的訪問量。
近年來，對個性化推薦技術的研究越來越多，其中基于協(xié)同過濾的推薦算法無論在學術界還是工業(yè)界都得到了蓬勃的發(fā)展。本文通過對推薦算法中常用的相似度算法進行對比分析，指出各算法應用場景以及各自存在的局限性。在傳統(tǒng)的相似度度量方法的基礎上進行了改良，提出了一個新的相似度計算法
3、方法?；谠u分貢獻的推薦算法提出了評分貢獻系數的概念，建立稀疏處理模型以此建立鄰域生成方法，同時，采用平均加權值的方法進行評分預測，采用MAE、RMSE、Recall、Precision方法進行評分預測度量。為了驗證評分貢獻推薦算法對評分數據預測問題的有效性，本文采用MovieLens網站的數據集對算法進行了實驗，分別將鄰域生成方法應用基于用戶、基于項目的協(xié)同過濾推薦算法，并與傳統(tǒng)的鄰域生成方法進行對比分析。實驗結果表明，將評分貢獻推薦
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。
最新文檔
- 改進的多準則評分協(xié)同過濾推薦算法.pdf
- 基于用戶評分和遺傳算法的協(xié)同過濾推薦算法.pdf
- 基于時間加權與評分預測的協(xié)同過濾推薦算法研究.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于協(xié)同過濾技術的推薦算法研究.pdf
- 基于協(xié)同過濾的圖書推薦算法研究.pdf
- 基于協(xié)同過濾技術的推薦算法研究
- 基于SVD的協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾的器件推薦算法研究.pdf
- 協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾的圖書推薦算法研究
- 基于MapReduce的協(xié)同過濾推薦算法研究.pdf
- 協(xié)同過濾推薦算法改進研究.pdf
- 新型協(xié)同過濾推薦算法研究.pdf
- 基于雙邊匹配的協(xié)同過濾推薦算法.pdf
- 基于用戶興趣的協(xié)同過濾推薦算法研究.pdf
- 基于大數據的協(xié)同過濾推薦算法研究.pdf
- 基于評論與評分的協(xié)同過濾算法研究.pdf
- 基于用戶行為協(xié)同過濾推薦算法.pdf
- 基于矩陣分解的協(xié)同過濾推薦算法研究.pdf
評論
0/150
提交評論