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、在互聯(lián)網信息量以不可估量的速度增長的時代,用戶在混雜各種各樣信息的信息池中找到所需的內容已然成為一個棘手的問題。針對這一問題,推薦系統(tǒng)被提出。推薦系統(tǒng)是一種新的計算模型,它試圖從海量信息中過濾出目標用戶可能感興趣的信息。原始的推薦算法普遍基于協(xié)同過濾的思想,這種思路來源于人們在選購商品時的自然法則。通常,用戶對于未知物品束手無策時總是會請教身邊有經驗的人,然后根據這些人的經驗分享判斷物品是否有用。協(xié)同過濾算法將這種思想運用在推薦系統(tǒng)上。
2、然而,協(xié)同過濾主要存在三類問題:數據稀疏性高、冷啟動以及系統(tǒng)的可擴展性。為緩解上述問題,基于社會網絡的推薦系統(tǒng)應運而生。社會網絡的形成是通過人們在互聯(lián)網上的交互行為,這種用戶關系從各方面體現了人們在真實社會中的人際關系。因此,將社會網絡與推薦系統(tǒng)組合形成基于社會網絡的推薦系統(tǒng)能夠豐富推薦結果。
矩陣分解模型是推薦系統(tǒng)的經典模型,由于其具有良好的可擴展性,使得社會網絡信息易于與該模型結合。在這一機制下,提取相似用戶群體是提高推薦
3、系統(tǒng)準確性的關鍵因素。傳統(tǒng)的相似性函數是評判兩個用戶對于相同物品的反饋行為的相似性,其中,反饋行為的相似性并不能說明兩個用戶具有相似的興趣愛好,而且,該方法忽略了用戶的社會關系的作用。因此,本文通過深入分析用戶間的關聯(lián)程度,提出了兩種新的興趣相似性計算函數,并針對相似性函數的特性分別建立新的社會正則化,最后將其運用在基于矩陣分解的推薦模型中。
通過對上述研究工作的深入分析,發(fā)現這兩個新的相似性函數一個反映了用戶間一對一的興趣相
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
- 基于節(jié)點用戶和概率矩陣分解模型的推薦算法
- 基于共同購買和用戶行為的矩陣分解推薦算法.pdf
- 基于節(jié)點用戶和概率矩陣分解模型的推薦算法.pdf
- 融合信任關系的矩陣分解推薦算法研究.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
- 基于矩陣分解的推薦系統(tǒng)算法研究.pdf
- 基于矩陣分解模型的推薦算法研究.pdf
- 基于改進矩陣分解的推薦算法研究.pdf
- 基于矩陣分解的推薦算法優(yōu)化研究.pdf
- 基于信任關系的矩陣分解推薦模型研究.pdf
- 混合用戶行為建模的概率矩陣分解推薦算法.pdf
- 基于雙重正則化的矩陣分解推薦算法研究.pdf
- 基于矩陣分解的協(xié)同過濾推薦算法研究.pdf
- 基于主題矩陣分解模型的新聞推薦算法研究.pdf
- 基于概率矩陣分解的多指標推薦算法研究.pdf
- 基于用戶聚類和移動上下文的矩陣分解推薦算法研究
- 基于用戶聚類和移動上下文的矩陣分解推薦算法研究.pdf
- 基于矩陣分解的推薦系統(tǒng)模型和算法改進研究.pdf
- 推薦系統(tǒng)中矩陣分解算法研究.pdf
評論
0/150
提交評論