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、隨著互聯(lián)網(wǎng)技術(shù)和服務(wù)的迅速發(fā)展,我們所生存的信息數(shù)據(jù)世界得到了快速的膨脹。然而,信息的快速膨脹帶來了很多的問題,其中“信息迷航”和“信息超載”的問題越來越嚴(yán)重。解決這兩個問題的方法可以分為以下兩種:信息檢索和信息過濾。信息檢索是根據(jù)信息用戶的需要,從按一定方式組織和存儲起來的信息中,查找出相關(guān)的信息的過程和技術(shù)。信息過濾則是根據(jù)用戶提供的過濾需求,從動態(tài)的信息流中將滿足用戶興趣的個性化需求信息自動地挑選出來。
信息過濾技術(shù)
2、的一種重要的應(yīng)用方式是推薦技術(shù)。推薦技術(shù)在電子商務(wù)領(lǐng)域得到了越來越廣泛的應(yīng)用,也得到了越來越多的研究者的關(guān)注。本文的研究對象正是推薦技術(shù)。
雖然推薦技術(shù)已經(jīng)發(fā)展了幾十年,但是還沒有達(dá)到完全成熟地步?,F(xiàn)在的推薦系統(tǒng)所面臨的主要挑戰(zhàn)有精確度不高,伸縮性和實(shí)時性低,以及數(shù)據(jù)稀疏度高等問題。電子商務(wù)推薦技術(shù)的研究方向主要包括基于內(nèi)容的過濾推薦和協(xié)同過程過濾推薦。另外,還有一些常用的推薦技術(shù)如基于關(guān)聯(lián)規(guī)則的推薦算法、基于聚類推薦算法
3、。本文較為詳細(xì)地介紹了這些算法以及他們各自的優(yōu)缺點(diǎn)。
文章詳細(xì)介紹了推薦技術(shù)中的協(xié)同過濾推薦算法。協(xié)同過濾推薦算法基于用戶的評分記錄,依據(jù)目標(biāo)用戶的最近鄰,向目標(biāo)用戶推薦相似的商品項(xiàng)目。我們詳細(xì)地分析了傳統(tǒng)的協(xié)同過濾推薦算法的局限性。比如,當(dāng)利用傳統(tǒng)的相似度計算方法中的余弦相似度方法或相關(guān)系數(shù)相似度方法去處理用戶評分表中的Null值時,推薦結(jié)果的正確性將會受到損害。針對Null值的處理問題,我們基于特,征組合(Featur
4、e Combination)的思想,提出了基于項(xiàng)目協(xié)同推薦算法的Null值缺省值預(yù)測方法。另外,針對傳統(tǒng)協(xié)同過濾推薦算法中數(shù)據(jù)的高稀疏度和低準(zhǔn)確度問題,本文提出了基于用戶喜好類型的用戶評分表劃分方法。該方法有效地減少了計算項(xiàng)目的空間,提高了推薦的準(zhǔn)確度以及推薦系統(tǒng)的運(yùn)行效率。之后,我們從實(shí)際生活和實(shí)驗(yàn)數(shù)據(jù)的角度,詳細(xì)分析了這兩種算法的可行性、有效性以及各自存在的問題?;贜ull值缺省預(yù)測法和用戶喜好類型劃分法,我們提出了基于用戶喜好類
5、型的協(xié)同過濾推薦算法(User Favorite Type Based,UFTB)。同時,我們也從實(shí)驗(yàn)角度分析了UFTB算法的可行性和有效性,以及此算法所面臨的主要問題。
本文的實(shí)驗(yàn)部分首先針對我們提出的Null值缺省預(yù)測法和用戶喜好類型劃分法,進(jìn)行了先獨(dú)立再綜合的分析和驗(yàn)證。我們先將用戶喜好類型劃分法應(yīng)用在傳統(tǒng)的協(xié)同過濾推薦算法中,并將其預(yù)測結(jié)果與傳統(tǒng)算法的預(yù)測結(jié)果做比較。再將Null值缺省預(yù)測法應(yīng)用在傳統(tǒng)的協(xié)同過濾推薦
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
- 基于協(xié)同過濾算法的用戶喜好研究
- 基于協(xié)同過濾算法的用戶喜好研究 _1
- 基于協(xié)同過濾算法的用戶喜好研究 _2
- 基于協(xié)同過濾算法的用戶喜好研究 _0
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于用戶行為協(xié)同過濾推薦算法.pdf
- 基于用戶興趣的協(xié)同過濾推薦算法研究.pdf
- 基于用戶興趣偏移的協(xié)同過濾推薦算法研究.pdf
- 基于用戶興趣變化的協(xié)同過濾推薦算法研究.pdf
- 基于用戶動態(tài)行為的協(xié)同過濾推薦算法研究.pdf
- 基于用戶的協(xié)同過濾推薦算法的改進(jìn)研究.pdf
- 基于用戶相似度的協(xié)同過濾推薦算法研究.pdf
- 基于用戶聚類的協(xié)同過濾推薦算法研究.pdf
- 基于混合用戶模型的協(xié)同過濾推薦算法研究
- 基于用戶相似性的協(xié)同過濾推薦算法研究.pdf
- 基于用戶多維相似度的協(xié)同過濾推薦算法.pdf
- 基于多維用戶興趣模型的協(xié)同過濾推薦算法.pdf
- 基于用戶聯(lián)合相似度的協(xié)同過濾推薦算法研究.pdf
- 基于混合用戶模型的協(xié)同過濾推薦算法研究.pdf
- 基于遺忘函數(shù)和用戶的協(xié)同過濾推薦算法研究.pdf
評論
0/150
提交評論