版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著互聯(lián)網(wǎng)的飛速發(fā)展,網(wǎng)絡(luò)信息過(guò)載已成為目前網(wǎng)絡(luò)用戶所面臨的主要問(wèn)題,資源推薦系統(tǒng)為解決這一問(wèn)題提供了有效手段,它可以為用戶提供信息過(guò)濾和資源推薦服務(wù),提高了用戶的工作效率,正逐漸被大多數(shù)用戶所青睞,而資源推薦的研究亦成為學(xué)者研究的重要領(lǐng)域。目前,現(xiàn)有的主要推薦系統(tǒng)有基于規(guī)則的推薦、基于內(nèi)容的推薦、協(xié)同過(guò)濾推薦等。
基于規(guī)則的推薦是根據(jù)用戶和規(guī)則模型產(chǎn)生的推薦,它可以滿足用戶實(shí)時(shí)性的需要,但規(guī)則的制定需要領(lǐng)域?qū)<业膮⑴c,隨著時(shí)
2、間的推移會(huì)產(chǎn)生偏差和難以更新的問(wèn)題,從而降低推薦的效率?;趦?nèi)容的推薦是通過(guò)計(jì)算被推薦資源的內(nèi)容與用戶興趣的相似性來(lái)選擇所要推薦的資源,但是它只能依靠用戶的興趣進(jìn)行推薦,并不能找到用戶新的興趣之處,所以推薦也會(huì)局限在用戶訪問(wèn)的歷史記錄中。
協(xié)同過(guò)濾推薦目前是資源推薦系統(tǒng)中最成功的資源推薦技術(shù),并且在很多的資源推薦系統(tǒng)中都得到了大量的應(yīng)用,協(xié)同過(guò)濾推薦是從用戶出發(fā),尋找目標(biāo)用戶的最近鄰居用戶,利用最近鄰居對(duì)其他資源的加權(quán)評(píng)價(jià)值作
3、為目標(biāo)用戶對(duì)該資源的評(píng)價(jià),并以此為依據(jù),向目標(biāo)用戶進(jìn)行資源推薦,所以它可以為用戶發(fā)現(xiàn)潛在的興趣。雖然協(xié)同過(guò)濾推薦得到了成功的應(yīng)用,并且具有很多優(yōu)勢(shì),但傳統(tǒng)的協(xié)同推薦都是通過(guò)用戶對(duì)項(xiàng)目的評(píng)分作為基礎(chǔ),計(jì)算目標(biāo)用戶的相似鄰居,然后為用戶推薦資源,這樣就造成了數(shù)據(jù)評(píng)分矩陣稀疏以及冷啟動(dòng)的問(wèn)題,并且評(píng)分也無(wú)法完全反映出用戶的興趣愛(ài)好。
針對(duì)以上問(wèn)題,本文提出了基于語(yǔ)用情境的推薦方法。在傳統(tǒng)的協(xié)同推薦方法的基礎(chǔ)上,將語(yǔ)用學(xué)中的情境因素和
4、信任因素引入到資源推薦的研究中來(lái),其中,影響用戶行為的上下文信息和場(chǎng)景信息成為用戶情境,對(duì)用戶決策產(chǎn)生作用的用戶情境成為最顯著情境,該方法首先獲取用戶的最顯著個(gè)性化情境因素,然后結(jié)合用戶最顯著情境計(jì)算出用戶興趣相關(guān)性、評(píng)分相似性和評(píng)分相關(guān)性矩陣,形成用戶興趣關(guān)聯(lián)模型,最后計(jì)算出用戶信任等級(jí),以用戶信任等級(jí)值作為用戶的評(píng)分權(quán)重,結(jié)合傳統(tǒng)的推薦方法預(yù)測(cè)目標(biāo)用戶的評(píng)分。
本文采用Matlab在MovieLens數(shù)據(jù)集上對(duì)該方法進(jìn)行了
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于用戶情境的協(xié)同推薦算法研究與應(yīng)用.pdf
- 基于情境感知的高校圖書(shū)館資源推薦服務(wù)研究.pdf
- 基于情境的Web服務(wù)推薦系統(tǒng)研究及其應(yīng)用.pdf
- 基于用戶情境的協(xié)同推薦算法研究與應(yīng)用(1)
- 基于使用情境的家庭影院音響設(shè)計(jì)研究.pdf
- 基于情境感知的個(gè)性化推薦算法研究與應(yīng)用.pdf
- 基于計(jì)算語(yǔ)用學(xué)和項(xiàng)目的資源協(xié)同過(guò)濾推薦研究.pdf
- 基于科學(xué)教學(xué)運(yùn)用情境教學(xué)的誤區(qū)及策略探析
- 基于活動(dòng)理論的移動(dòng)設(shè)備情境感知信息推薦服務(wù)模型及應(yīng)用研究.pdf
- 基于用戶情境的社交網(wǎng)絡(luò)推薦.pdf
- 基于信任網(wǎng)絡(luò)的情境感知推薦算法的研究.pdf
- 基于好友關(guān)系分析的資源推薦算法及應(yīng)用研究.pdf
- “搶雷策略”的運(yùn)用情境及案例分析
- 基于用戶情境的服務(wù)組合推薦方法研究.pdf
- 網(wǎng)絡(luò)語(yǔ)言影響中學(xué)生語(yǔ)用情況的調(diào)查及研究.pdf
- 復(fù)雜情境下的電商用戶個(gè)性化推薦策略研究及應(yīng)用.pdf
- 淺析英語(yǔ)否定的語(yǔ)義表征及語(yǔ)用情景解讀
- 基于動(dòng)態(tài)信任網(wǎng)絡(luò)的情境感知推薦算法的研究.pdf
- 基于用戶情境的論壇個(gè)性化推薦模型研究.pdf
- 移動(dòng)環(huán)境下基于情境感知的推薦系統(tǒng)研究.pdf
評(píng)論
0/150
提交評(píng)論