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),請進行舉報或認領(lǐng)
文檔簡介
1、隨著4G時代的到來,推薦系統(tǒng)作為大數(shù)據(jù)時代的產(chǎn)物在電子商務(wù)、信息檢索以及移動應(yīng)用、社交網(wǎng)絡(luò)等眾多領(lǐng)域都取得了不錯的發(fā)展。伴隨著這些應(yīng)用的發(fā)展用戶和產(chǎn)品數(shù)目不斷增長,數(shù)以億計的資源信息被產(chǎn)生,數(shù)據(jù)的規(guī)模不斷壯大,致使推薦系統(tǒng)面臨著前所未有的挑戰(zhàn)。主要包括數(shù)據(jù)稀疏、可擴展性和冷啟動等問題,這些問題儼然已成為了影響推薦質(zhì)量的主要因素,研究者們在學習過程中提出了多種方法來克服這些問題。但是針對形態(tài)各異的問題不同的推薦算法存在各自的優(yōu)劣點。為此本
2、文綜合分析了國內(nèi)外的研究現(xiàn)狀,針對推薦系統(tǒng)中的數(shù)據(jù)稀疏、冷啟動、用戶特征隨時間動態(tài)變化及不同用戶對同一特征依賴程度不同等問題,分別從改進算法及構(gòu)造新的數(shù)學模型等方面對推薦系統(tǒng)開展了細致地研究,主要工作成果如下:
1.提出結(jié)合用戶特征分類和動態(tài)時間的協(xié)同過濾推薦。本文主要通過加入用戶特征信息及特征動態(tài)變化因子來改善協(xié)同過濾推薦存在的不足,首先構(gòu)建特征分類樹、并根據(jù)用戶間相同特征數(shù)目引入一種自適應(yīng)的權(quán)重模型改進了計算特征相似度的方
3、法。同時還分析了用戶特征動態(tài)變化這一因素對推薦結(jié)果的影響,通過引入一個包含時間跨度的衰減函數(shù)來改善用戶特征動態(tài)變化問題對推薦精度的限制。最后針對冷啟動問題利用sigmoid函數(shù)將上述基于用戶特征模型與傳統(tǒng)協(xié)同過濾推薦模型相融合,通過平滑地過渡來靈活地計算用戶間相似度。為了突出本文算法的有效性,從推薦結(jié)果的準確率、精度及召回率等方面進行了驗證。實驗結(jié)果表征結(jié)合用戶特征分類和動態(tài)時間的協(xié)同過濾推薦不但能夠提升推薦精度、準確率和召回率,同時對
4、推薦系統(tǒng)面臨的冷啟動問題也起到了一定的緩解作用。
2.提出基于降噪自編碼的推薦算法。自編碼神經(jīng)網(wǎng)絡(luò)隸屬于模型的方法,它能夠提取數(shù)據(jù)從低層到高層的特征,發(fā)現(xiàn)隱藏在樣本間潛在的相關(guān)性,為了提高推薦系統(tǒng)的推薦質(zhì)量將該模型應(yīng)用于推薦系統(tǒng)。針對原始數(shù)據(jù)之間的冗余度問題,本文采用ZCA白化技術(shù)對原始數(shù)據(jù)進行轉(zhuǎn)化、去相關(guān)。同時為了增強自編碼神經(jīng)網(wǎng)絡(luò)的魯棒性,本文還對自編碼模型進行了改進,提出了基于降噪自編碼的推薦算法,主要是在利用自編碼模型
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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
- 智能網(wǎng)頁推薦系統(tǒng)的相關(guān)技術(shù)研究.pdf
- 個性化推薦系統(tǒng)技術(shù)與應(yīng)用.pdf
- 個性化推薦系統(tǒng)技術(shù)與應(yīng)用
- 基于Mongodb推薦系統(tǒng)的研究與應(yīng)用.pdf
- 數(shù)字圖書館個性化推薦系統(tǒng)中信息過濾及其相關(guān)技術(shù)的研究與應(yīng)用.pdf
- 數(shù)據(jù)挖掘技術(shù)在智能推薦系統(tǒng)中的研究與應(yīng)用.pdf
- 基于Agent的推薦技術(shù)的研究與應(yīng)用.pdf
- 小眾推薦技術(shù)研究與應(yīng)用.pdf
- 基于分類驅(qū)動推薦算法的電影推薦系統(tǒng)的研究與應(yīng)用.pdf
- 基于混合推薦技術(shù)的推薦系統(tǒng)設(shè)計與實現(xiàn).pdf
- RBM在推薦系統(tǒng)中的應(yīng)用與研究.pdf
- 個性化推薦系統(tǒng)的研究與應(yīng)用.pdf
- 基于Hadoop的推薦系統(tǒng)研究與應(yīng)用.pdf
- 輕博客推薦系統(tǒng)及相關(guān)推薦算法研究.pdf
- 基于Hadoop的視頻推薦系統(tǒng)的研究與應(yīng)用.pdf
- 基于大數(shù)據(jù)技術(shù)的手機應(yīng)用推薦系統(tǒng)的設(shè)計與實現(xiàn).pdf
- Web挖掘技術(shù)在電子商務(wù)推薦系統(tǒng)中的研究與應(yīng)用.pdf
- 面向電子商務(wù)推薦系統(tǒng)的研究與應(yīng)用.pdf
- 個性化推薦系統(tǒng)架構(gòu)及相關(guān)技術(shù)研究.pdf
- 基于Agent的信息推薦系統(tǒng)的研究與應(yīng)用.pdf
評論
0/150
提交評論