基于標簽的協(xié)同過濾推薦技術的研究.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、為了幫助每個用戶找到最適合他的信息，推薦系統(tǒng)根據每個用戶獨特的興趣特點，預測和發(fā)現用戶潛在的興趣，把用戶最需要的信息推薦給用戶。協(xié)同過濾是最主要的一類推薦方法，然而協(xié)同過濾的推薦質量容易受評分數據稀疏性問題的影響。同時許多現實的推薦系統(tǒng)除了擁有評分信息外，還有大量的用戶對項目添加的標簽信息。從標簽中可以發(fā)現用戶的興趣模式和項目的內容屬性等信息。因此利用標簽可能會提高推薦的質量。
　　 本文介紹了當前一些主要的推薦技術，重點研究了

2、協(xié)同過濾這一類最主要的推薦方法，并對這些方法的優(yōu)缺點進行了一定程度的分析。
　　 為了緩解傳統(tǒng)的協(xié)同過濾算法所面臨的數據稀疏性問題的影響和提高推薦的質量，本文提出了一種基于標簽的協(xié)同過濾模型。利用標簽信息對一種現有的協(xié)同過濾模型進行了擴展，從而把標簽的信息融入進來。
　　 在MovieLens數據集上對基于標簽的協(xié)同過濾模型進行了系統(tǒng)的測試，實驗結果驗證了基于標簽的協(xié)同過濾模型的預測質量比其他不考慮標簽的協(xié)同過濾算法更好

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(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