2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩56頁未讀 繼續(xù)免費閱讀

下載本文檔

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、近十多年來,互聯(lián)網(wǎng)爆炸式的發(fā)展把網(wǎng)絡(luò)社會文明帶入新型信息時代。增長的數(shù)據(jù)資源使得用戶有更多選擇,但如何去選擇用戶自己需要的信息卻變得日益艱難。面對海量的數(shù)據(jù),無論是對于用戶還是供應(yīng)商來說如何獲得自己所感興趣的事情已經(jīng)成為了極大的挑戰(zhàn),用戶難以在數(shù)據(jù)海洋中得到想要的需求信息,物品供應(yīng)商在大量的互聯(lián)網(wǎng)信息垃圾中剝離出用戶的真實需求也是一項復(fù)雜艱難的工作。如何從信息海洋中提取并提煉到準(zhǔn)確乃至精確的信息,推薦系統(tǒng)起到了極為重要的作用。協(xié)同過濾作

2、為推薦系統(tǒng)中應(yīng)用最廣泛最經(jīng)典的一套算法,學(xué)者對它的關(guān)注和改進未曾止步,協(xié)同過濾能夠直接或間接的挖掘用戶顯性或者隱性的需求信息并產(chǎn)生推薦。而在實際使用推薦的過程中,卻常常因數(shù)據(jù)稀疏、冷啟動等問題并不能獲得較理想的推薦效果。為此,本文以相似度和鄰居選擇作為切入點,分別提出了基于歐式空間相似度的云模型協(xié)同過濾算法和用戶屬性加權(quán)活躍近鄰的協(xié)同過濾算法,本文的相應(yīng)的主要工作如下:SSS
 ?。?)分析了推薦領(lǐng)域的研究現(xiàn)狀,回顧了協(xié)同過濾推薦

3、的基本原理及云模型的理論知識,分別對各種協(xié)同過濾算法做了簡要闡述。介紹了采用余弦相似度計算方法的云模型協(xié)同過濾推薦算法基本原理和推薦過程,詳細(xì)描述了基于 kNN近鄰的協(xié)同過濾算法中目標(biāo)用戶的最近鄰居集的生成過程。
  (2)針對傳統(tǒng)的基于余弦相似度度量的云模型協(xié)同過濾推薦算法,未考慮特征向量的長度和維度,忽略了三個重要數(shù)字特征云期望、熵和超熵的關(guān)系,如各數(shù)字特征具有不同的性質(zhì)和權(quán)重,導(dǎo)致特征丟失、區(qū)分度過小的問題。針對這些問題,提

4、出了一種采用標(biāo)準(zhǔn)化的多維歐幾里德相似度計算方法,通過將三個數(shù)字特征映射為三維空間的點,計算經(jīng)指數(shù)函數(shù)標(biāo)準(zhǔn)化的歐幾里德相似度,生成更合理的用戶k近鄰集,最終產(chǎn)生推薦。實驗結(jié)果表明,該相似度計算方法能夠為云特征向量提供更顯著的區(qū)分度,并在一定程度上提高了推薦質(zhì)量。
 ?。?)針對現(xiàn)有的基于kNN近鄰協(xié)同過濾技術(shù),在選擇最近鄰居時過于依賴評分相似度的問題,提出了一種用戶屬性加權(quán)活躍近鄰的協(xié)同過濾算法。首先,通過引入用戶特征屬性并融合最小

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。

評論

0/150

提交評論