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、隨著互聯(lián)網、物聯(lián)網、移動互聯(lián)網的飛速發(fā)展,海量的數(shù)據信息產生了信息過載問題。尤其在大型電影推薦網站,如何通過一種有效的機制來幫助用戶快速的獲取到想要的電影信息,這已成為了當前研究的一大熱點和難點問題,其中推薦系統(tǒng)是其研究的主要內容。
目前國內外針對推薦系統(tǒng)的研究主要集中在協(xié)同過濾推薦、基于內容的推薦、基于知識的推薦和組合推薦四個方面。協(xié)同過濾算法以其獨特思想和便捷的計算方式在推薦系統(tǒng)領域得到了廣泛的應用。但隨著系統(tǒng)中用戶和項目
2、規(guī)模的不斷增大,傳統(tǒng)協(xié)同過濾算法在處理效率、稀疏性和拓展性方面存在不足。
本文基于協(xié)同過濾中的隱語義模型,首先介紹了模型的理論方法,然后針對評分矩陣高度稀疏的問題,利用k-means算法對模型進行了改進。同時為了提高模型的推薦精度和預測準確率,在模型中加入時間上下文信息。文章主要的工作內容有:1.基于推薦系統(tǒng)的原理和方法,介紹了基于領域的協(xié)同過濾算法和基于模型的協(xié)同過濾算法理論。2.針對用戶評分稀疏問題,利用k-means算法
3、對用戶數(shù)據進行聚類;然后根據聚類結果重構評分矩陣,顯著的降低矩陣維度和稀疏度;最后通過修改模型的評分策略得到改進隱語義模型K-LFM。3.為了提高模型的精度,將時間上下文信息加入到傳統(tǒng)的“用戶-項目”二維推薦過程。通過改變模型的矩陣分解形式,實現(xiàn)對“用戶-項目-時間”三維評分矩陣的分解,在提高模型精度的同時實現(xiàn)了對模型的拓展。4.在movielens數(shù)據集上實驗對比算法的性能,同時借助Hadoop平臺的Mahout組件設計實現(xiàn)了一個推薦
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(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(xiàn)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。
最新文檔
- 基于隱語義模型的網絡視頻推薦系統(tǒng)研究.pdf
- 基于協(xié)同過濾模型與隱語義模型的推薦系統(tǒng)研究與實現(xiàn).pdf
- 推薦系統(tǒng)中的隱語義模型算法研究.pdf
- 基于隱語義模型的個性化新聞推薦系統(tǒng).pdf
- 基于隱語義的混合推薦算法研究.pdf
- 基于隱語義模型的個性化推薦算法的研究.pdf
- 基于學習自動機的隱語義模型推薦算法改進研究.pdf
- 基于社交網絡及隱語義模型的個性化推薦研究.pdf
- 基于在線快速學習隱語義模型的個性化新聞推薦.pdf
- 基于語義的推薦系統(tǒng)研究.pdf
- 基于語義Web技術的推薦系統(tǒng)研究.pdf
- 基于語義的科技專家推薦系統(tǒng)研究.pdf
- 基于語義的科技專家推薦系統(tǒng)研究
- 基于情感語義的服裝推薦系統(tǒng)研究與實現(xiàn).pdf
- 基于語義推理的中文食品推薦系統(tǒng)研究與應用.pdf
- 基于語義的大學生就業(yè)推薦系統(tǒng)研究.pdf
- 基于語義詞典的電子商務商品推薦系統(tǒng)研究.pdf
- 基于替代品模型的推薦系統(tǒng)研究.pdf
- 基于勝任特征模型的職位推薦系統(tǒng)研究.pdf
- 基于概率隱語義分析的人臉識別.pdf
評論
0/150
提交評論