版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、伴隨互聯(lián)網(wǎng)和信息技術(shù)的快速普及和廣泛應(yīng)用,各類社交網(wǎng)絡(luò)不斷涌現(xiàn)并已成為互聯(lián)網(wǎng)上的重要應(yīng)用,人們也越來(lái)越仰仗于利用社交網(wǎng)絡(luò)尋找自己感興趣的信息。然而,社交網(wǎng)絡(luò)用戶數(shù)量在不斷攀升,用戶間頻繁交互會(huì)產(chǎn)生海量的互動(dòng)信息,這些都導(dǎo)致了社交網(wǎng)絡(luò)中的信息過(guò)載,而個(gè)性化推薦則是解決信息過(guò)載問(wèn)題最有效的方法。因此,社交網(wǎng)絡(luò)中的個(gè)性化推薦已成為一個(gè)研究熱點(diǎn),逐漸受到了學(xué)者們的關(guān)注。
協(xié)作過(guò)濾算法是應(yīng)用最為廣泛的個(gè)性化推薦算法,本文首先針對(duì)協(xié)作過(guò)濾
2、算法應(yīng)用于社交網(wǎng)絡(luò)中存在推薦精度不高的問(wèn)題,提出基于用戶信任度和社會(huì)相似度的協(xié)作過(guò)濾算法。然后對(duì)上述算法做進(jìn)一步優(yōu)化提出基于社交網(wǎng)絡(luò)用戶相似度聚類的協(xié)作過(guò)濾算法。最后利用所提出的推薦算法開(kāi)發(fā)了一個(gè)面向社交網(wǎng)絡(luò)的推薦系統(tǒng)。本文主要研究?jī)?nèi)容如下:
(1)針對(duì)協(xié)作過(guò)濾算法應(yīng)用于社交網(wǎng)絡(luò)中存在推薦精度不高的問(wèn)題,提出一個(gè)基于用戶信任度和社會(huì)相似度的協(xié)作過(guò)濾算法。該算法首先通過(guò)社交網(wǎng)絡(luò)計(jì)算用戶信任度和社會(huì)相似度,并依據(jù)用戶-項(xiàng)目評(píng)分?jǐn)?shù)據(jù)
3、計(jì)算用戶相似度。然后將用戶相似度、用戶信任度和社會(huì)相似度進(jìn)行融合并據(jù)此形成最近鄰集。最后利用優(yōu)化的評(píng)分預(yù)測(cè)公式依據(jù)最近鄰集中的用戶-項(xiàng)目評(píng)分?jǐn)?shù)據(jù)生成給目標(biāo)用戶的推薦結(jié)果。實(shí)驗(yàn)結(jié)果表明該算法較其他算法在解決社交網(wǎng)絡(luò)的推薦問(wèn)題時(shí)有更高的推薦精度,但其執(zhí)行效率會(huì)隨著社交網(wǎng)絡(luò)規(guī)模的增大而降低。
(2)針對(duì)基于用戶信任度和社會(huì)相似度的協(xié)作過(guò)濾算法的執(zhí)行效率隨社交網(wǎng)絡(luò)規(guī)模增大而有所下降的問(wèn)題,提出一個(gè)基于社交網(wǎng)絡(luò)用戶相似度聚類的協(xié)作過(guò)濾算
4、法。該算法首先根據(jù)用戶在社交網(wǎng)絡(luò)中的屬性信息及互動(dòng)行為計(jì)算社交網(wǎng)絡(luò)用戶相似度。然后根據(jù)社交網(wǎng)絡(luò)用戶相似度利用改進(jìn)的k-means算法對(duì)用戶進(jìn)行聚類從而形成多個(gè)不同的用戶簇。最后在每個(gè)用戶簇上利用基于用戶信任度和社會(huì)相似度的協(xié)作過(guò)濾算法產(chǎn)生推薦結(jié)果。實(shí)驗(yàn)結(jié)果表明該算法在處理大規(guī)模社交網(wǎng)絡(luò)數(shù)據(jù)集時(shí)不僅顯著降低了運(yùn)行時(shí)間也提高了推薦精度,很好的解決了基于用戶信任度和社會(huì)相似度的協(xié)作過(guò)濾算法存在的問(wèn)題。
(3)設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)面向社交
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于影響關(guān)系的協(xié)作過(guò)濾推薦算法研究.pdf
- 基于Web社會(huì)網(wǎng)絡(luò)的協(xié)作過(guò)濾模型研究.pdf
- 協(xié)作過(guò)濾算法及其在個(gè)性化推薦系統(tǒng)中的應(yīng)用.pdf
- 基于用戶興趣子類的協(xié)作過(guò)濾研究.pdf
- 協(xié)同過(guò)濾推薦算法在社交網(wǎng)絡(luò)中的研究與應(yīng)用.pdf
- 基于社交網(wǎng)絡(luò)的協(xié)同過(guò)濾算法研究.pdf
- 基于數(shù)據(jù)挖掘技術(shù)的協(xié)作過(guò)濾研究.pdf
- 基于協(xié)作過(guò)濾的Web推薦方法.pdf
- 基于社交網(wǎng)絡(luò)的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于協(xié)作過(guò)濾的上下文預(yù)測(cè)的研究.pdf
- 基于社交網(wǎng)絡(luò)信息的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于SlopeOne算法的協(xié)作過(guò)濾個(gè)性化推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于社交網(wǎng)絡(luò)的協(xié)同過(guò)濾推薦算法的研究與實(shí)現(xiàn).pdf
- 基于社交網(wǎng)絡(luò)和隱私保護(hù)的協(xié)同過(guò)濾推薦算法研究.pdf
- 基于協(xié)作過(guò)濾的組合服務(wù)備選集生成方法.pdf
- 基于聚類協(xié)作過(guò)濾的商品個(gè)性化推薦.pdf
- 基于社交網(wǎng)絡(luò)的推薦算法應(yīng)用研究.pdf
- 一種基于社交網(wǎng)絡(luò)的協(xié)同過(guò)濾推薦算法研究.pdf
- 移動(dòng)社交網(wǎng)絡(luò)信息過(guò)濾及推薦系統(tǒng)研究.pdf
- 基于時(shí)間感知和社交網(wǎng)絡(luò)信任度的協(xié)同過(guò)濾算法研究.pdf
評(píng)論
0/150
提交評(píng)論