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68頁未讀 繼續(xù)免費閱讀

下載本文檔

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、推薦算法(Recommendation Algorithm)的目的是將最可能引起用戶興趣的物品推薦給用戶,從而使用戶和供應商都得到利益最大化。隨著電商時代和大數據時代的到來,推薦算法的好壞越來越成為一個網站或應用成功與否的重要因素之一。
  隱語義模型(Latent Factor Model,LFM)推薦算法由于自適應性能好、預測準確性高,已成為推薦算法研究領域的一個熱點,在評分預測、TopN推薦等兩種典型推薦算法應用場景下都展示

2、了可觀的應用前景。然而,隱語義模型推薦算法在性能上尚存在改進提升空間。為此,本文針對隱語義模型推薦算法展開進一步研究,并將其應用于評分預測、TopN推薦。
  隱語義模型在實際使用前需要對用戶偏好模型進行訓練,目前使用的訓練方法是梯度下降法。有鑒于此,本文首先針對隱語義模型的訓練過程進行研究,結合學習自動機(Learning Automata,LA)具有全局收斂性好、抗噪聲能力強的優(yōu)點,對現(xiàn)有隱語義模型的典型訓練算法進行改進,給出

3、了CALA-TM訓練算法,并將其應用于評分預測。仿真結果表明,基于該改進算法,可以在評分矩陣較稀疏的情況下提高預測準確度。
  更進一步,考慮上述CALA-TM訓練算法存在收斂速度較慢的局限性,本文將梯度下降算法與學習自動機相結合,進一步對訓練算法加以改進,給出了基于學習自動機與梯度下降算法相結合的訓練算法LAGD-TM,并也將其應用于預測評分。仿真結果表明,該訓練算法可以提高CALA-TM訓練過程中的誤差下降速度,減少模型訓練時

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(xiàn)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。

評論

0/150

提交評論