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、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,用戶通過網(wǎng)絡(luò)可以獲取更加多樣化的信息,但是隨之而來的信息超載問題導致用戶很難從海量信息中獲取到對自己有價值的信息。傳統(tǒng)的推薦算法如協(xié)同過濾推薦、基于內(nèi)容的推薦、基于人口統(tǒng)計學的推薦等推薦技術(shù)在互聯(lián)網(wǎng)推薦領(lǐng)域取得了較好的效果,給本文基于用戶相似度和主題相似度的移動APP個性化推薦算法提供了算法支撐。
首先,本文分析了推薦技術(shù)的研究現(xiàn)狀、面臨的問題、基本架構(gòu)以及推薦技術(shù)的實現(xiàn)策略,著重介紹了個性化推薦技術(shù)
2、的原理、步驟以及移動環(huán)境對個性化推薦的要求,總結(jié)了傳統(tǒng)推薦方法的推薦策略和思想。
然后,針對個性化推薦方法中存在的一些推薦的精確度不高和滿意度較低的問題,提出了一種基于用戶相似度和主題相似度的信息推薦算法?;谟脩粝嗨贫鹊碾x線推薦算法通過改進傳統(tǒng)算法中用戶名稱屬性值和數(shù)值屬性值計算,同時,將影響用使用者趣偏好的互動行為因素進行抽象,融合到用戶相似度計算中,最后通過加權(quán)給出用戶相似度算法?;谥黝}相似度的在線個性化推薦算法的思想
3、是首先對使用者偏好的文本內(nèi)容通過潛在狄利克雷分配模型(Latent Dirichlet Allocation,LDA)提取出主題,然后抽象出使用者對項目的認可操作,使用算法對用戶進行個性化推薦。針對用戶興趣突然發(fā)生變化的情況,本文構(gòu)造用戶的時間和行為偏好模型,通過模型判斷是否存在多用戶共用同一賬號或者興趣突然發(fā)生變化的情況。針對推薦領(lǐng)域中的冷啟動問題,通過挖掘用戶與信息之間的隱藏興趣偏好,構(gòu)建出新用戶對信息的偏好預測模型,進行偏好信息預
4、測。
最后仿真實驗表明,本算法在用戶滿意度方面較高,相比于基于近鄰的算法中基于用戶的協(xié)調(diào)過濾(User based Pearson Correlation Coefficient,UPCC)算法、基于服務(wù)的協(xié)調(diào)過濾(Item based Pearson Correlation Coefficient,IPCC)算法、概率分解(Probabilistic Matrix Factorization,PMF)算法在準確率、召回率及覆
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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。
- 6. 下載文件中如有侵權(quán)或不適當內(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
- 基于用戶相似度的協(xié)同過濾推薦算法研究.pdf
- 基于用戶多維相似度的協(xié)同過濾推薦算法.pdf
- 基于用戶聯(lián)合相似度的協(xié)同過濾推薦算法研究.pdf
- 基于物品相似度和主題回歸的矩陣分解推薦算法.pdf
- 一種基于用戶相似度改進的協(xié)同推薦算法研究.pdf
- 基于用戶上下文相似度的移動應用推薦研究與實現(xiàn).pdf
- 基于項目相似度與用戶需求的協(xié)同過濾推薦算法研究.pdf
- 融合項目屬性相似度和評分相似度的協(xié)同過濾推薦算法.pdf
- 推薦系統(tǒng)用戶相似度計算方法研究.pdf
- 基于語義相似度的中文文本相似度算法研究.pdf
- 基于組合相似度的協(xié)同過濾推薦算法研究.pdf
- 基于聯(lián)合相似度的協(xié)同過濾推薦算法研究.pdf
- 基于移動概括的新用戶相似度衡量方法.pdf
- 基于典型度的相對熵相似度知識推薦.pdf
- 基于用戶節(jié)點相似度的局部社團挖掘算法的研究.pdf
- 基于用戶細分及組合相似度的個性化推薦算法的研究與實現(xiàn).pdf
- 基于用戶偏好相似度的Web選擇.pdf
- 基于路徑相似度的Web用戶模糊聚類算法研究.pdf
- 基于相似度的社區(qū)發(fā)現(xiàn)算法研究.pdf
- 推薦系統(tǒng)中信息相似度的研究及其應用.pdf
評論
0/150
提交評論