

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(rèn)領(lǐng)
文檔簡介
1、互聯(lián)網(wǎng)的飛速發(fā)展使人們仿佛置身于信息的海洋,信息超載已經(jīng)成為了人們不容忽視的問題。由于推薦系統(tǒng)能在一定程度上有效解決信息超載的問題,因而我們在電子商務(wù)、新聞、音樂、電影視頻、社交網(wǎng)絡(luò)、個性化廣告等各大領(lǐng)域中都能看到推薦系統(tǒng)的身影。推薦系統(tǒng)技術(shù)在工業(yè)界獲得了巨大的成功,同時也吸引了學(xué)術(shù)界眾多學(xué)者的廣泛關(guān)注。
矩陣分解是近些年來推薦系統(tǒng)領(lǐng)域中應(yīng)用最多也是效果最好的技術(shù)之一,但矩陣分解的傳統(tǒng)模型仍然還有一些局限和不足,例如正則化參數(shù)
2、的取值難以抉擇、預(yù)測評分可能越界等問題。為了克服這些缺陷,本文針對矩陣分解的傳統(tǒng)模型MFviaUCSTR進行了相應(yīng)的研究和改進。
本文首先用待優(yōu)化變量的界約束取代矩陣分解傳統(tǒng)模型中的正則化項,提出了基于有約束優(yōu)化問題的改進模型MFviaCSTR。MFviaCSTR不僅避免了正則化參數(shù)的選值難題,而且其預(yù)測評分也不會出現(xiàn)越界現(xiàn)象。其次結(jié)合梯度下降算法與可行方向法,提出了MFviaCSTR的求解算法。進一步地,通過與傳統(tǒng)模型MFv
3、iaUCSTR的對比實驗,說明了MFviaCSTR的可行性和優(yōu)越性。
本文還將改進模型MFviaCSTR應(yīng)用到了大數(shù)據(jù)背景下的推薦系統(tǒng)預(yù)測評分問題。在隨機梯度下降算法的基礎(chǔ)上,通過結(jié)合可行方向法以及考慮不同的選擇樣本策略和誤差函數(shù),設(shè)計了三種針對改進模型的求解算法方案及框架——SGD_FDM、SGD_HSSS和SGD_EFSCR。最后,本文利用具體的推薦系統(tǒng)標(biāo)準(zhǔn)數(shù)據(jù)集進行實驗,分別從預(yù)測準(zhǔn)確度、時間效率等方面綜合比較和分析了幾
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(yù)覽,若沒有圖紙預(yù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于改進矩陣分解的推薦算法研究.pdf
- 基于矩陣分解模型的推薦算法研究.pdf
- 基于矩陣分解的推薦系統(tǒng)算法研究.pdf
- 基于節(jié)點用戶和概率矩陣分解模型的推薦算法
- 基于主題矩陣分解模型的新聞推薦算法研究.pdf
- 基于節(jié)點用戶和概率矩陣分解模型的推薦算法.pdf
- 基于協(xié)同過濾和矩陣分解的推薦算法的研究與改進.pdf
- 基于托攻擊檢測和矩陣分解模型的可信推薦算法研究.pdf
- 基于概率矩陣分解的推薦算法研究.pdf
- 基于近似矩陣分解的推薦算法研究.pdf
- 推薦系統(tǒng)中矩陣分解算法研究.pdf
- 基于矩陣分解的推薦算法優(yōu)化研究.pdf
- 多通路主題模型和雙矩陣分解推薦算法.pdf
- 基于用戶關(guān)系的矩陣分解推薦算法研究.pdf
- 基于矩陣分解及其圖模型的協(xié)同過濾推薦算法研究.pdf
- 基于信任關(guān)系的矩陣分解推薦模型研究.pdf
- 基于共同購買和用戶行為的矩陣分解推薦算法.pdf
- 基于雙重正則化的矩陣分解推薦算法研究.pdf
- 基于矩陣分解和隨機游走相結(jié)合的推薦算法.pdf
- 基于信任和矩陣分解的社會化推薦算法.pdf
評論
0/150
提交評論