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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、推薦引擎通過為用戶推送感興趣的信息,應(yīng)用機器學(xué)習(xí)知識為用戶提供個性化推薦。在推薦引擎中,協(xié)同過濾是一種最為常見的個性化推薦技術(shù),在推薦領(lǐng)域中應(yīng)用比較廣泛,已經(jīng)成為了該領(lǐng)域非常重要的方法。然而現(xiàn)有的協(xié)同過濾算法普遍存在著一個很顯著的問題:數(shù)據(jù)稀疏性。由于在應(yīng)用推薦引擎的場景中,用戶進(jìn)行評價的項目信息一般來說常常達(dá)不到場景中項目總量的1%,導(dǎo)致建立起來的用戶與項目之間的信息矩陣存在很大的稀疏性,而用戶與項目的信息矩陣是協(xié)同過濾技術(shù)進(jìn)行推薦的
2、數(shù)據(jù)信息基礎(chǔ),所以數(shù)據(jù)稀疏性問題的解決就顯得尤為重要。
本文主要是針對協(xié)同過濾中存在的稀疏性問題進(jìn)行探討。首先分析了推薦引擎的國內(nèi)外研究現(xiàn)狀,接著詳細(xì)介紹了協(xié)同過濾技術(shù),進(jìn)而針對協(xié)同過濾技術(shù)具有的數(shù)據(jù)稀疏性問題,介紹了目前的幾種解決方案及其問題,從兩個方面提出了改進(jìn)方法:一是改進(jìn)現(xiàn)有的相似性度量方法,以找到更優(yōu)的鄰居集合。該方法在樸素貝葉斯度量方法的基礎(chǔ)上,添加了項目的流行度作為懲罰因子,該度量方法經(jīng)實驗數(shù)據(jù)驗證能夠更好的反應(yīng)
3、鄰居之間的相似性;二是通過奇異值分解實現(xiàn)降維的方法,使得原始的計算信息矩陣更為稠密。因此本文針對數(shù)據(jù)稀疏性問題提出一種改進(jìn)算法,即BAS算法:該方法首先利用傳統(tǒng)的基于奇異值分解的方法來填充稀疏的評分矩陣,并得到預(yù)測的評分?jǐn)?shù)據(jù),然后采用這些預(yù)測評分來獲得活躍用戶的鄰居,最后利用改進(jìn)后的相似性度量方法得到最終提供給用戶的預(yù)測值。并對改進(jìn)的算法進(jìn)行了相應(yīng)的理論分析,在選定數(shù)據(jù)集上進(jìn)行了與原有的傳統(tǒng)方法對比的實驗,實驗結(jié)果表明,該方法在所用數(shù)據(jù)
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(hù)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
- 基于組合推薦技術(shù)的音樂推薦引擎研究與實現(xiàn).pdf
- 個性化推薦引擎系統(tǒng)研究.pdf
- 基于HADOOP的分布式推薦引擎.pdf
- 個性化推薦系統(tǒng)推薦引擎原型系統(tǒng)研究.pdf
- 協(xié)同過濾推薦系統(tǒng)的數(shù)據(jù)稀疏性問題研究.pdf
- 基于社交網(wǎng)絡(luò)的推薦系統(tǒng)數(shù)據(jù)稀疏性問題的研究.pdf
- 基于協(xié)同過濾推薦系統(tǒng)的數(shù)據(jù)稀疏性問題研究.pdf
- 基于云計算的分布式推薦引擎算法研究.pdf
- 個性化智能推薦引擎算法研究及應(yīng)用.pdf
- 基于位置服務(wù)的推薦引擎設(shè)計與實現(xiàn).pdf
- 基于雙聚類模型的協(xié)同過濾推薦引擎研究.pdf
- 多維度可擴展推薦引擎框架的設(shè)計與應(yīng)用.pdf
- 基于用戶興趣模型的個性化推薦引擎技術(shù)研究.pdf
- 基于Hadoop的分布式推薦引擎關(guān)鍵技術(shù)研究.pdf
- 基于安卓平臺的手機推薦引擎的設(shè)計與實現(xiàn).pdf
- 協(xié)同過濾算法中數(shù)據(jù)稀疏性問題研究.pdf
- 基于Python的個性化影片推薦引擎的設(shè)計與實現(xiàn).pdf
- 面向失衡數(shù)據(jù)的稀疏性問題的研究.pdf
- 基于Hadoop+Mahout的智能終端云應(yīng)用推薦引擎的研究與實現(xiàn).pdf
- 基于智能推薦引擎的就業(yè)信息管理系統(tǒng)設(shè)計與實現(xiàn).pdf
評論
0/150
提交評論