
预览加载失败,请重新加载试试~

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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著電子商務(wù)技術(shù)的發(fā)展,推薦系統(tǒng)的被廣泛地應(yīng)用于發(fā)掘用戶興趣,以提高商品銷售量,在實(shí)際的推薦系統(tǒng)應(yīng)用中,基于鄰域的推薦系統(tǒng)是最為常見的推薦模型。在傳統(tǒng)的基于鄰域的推薦系統(tǒng)中,推薦過程首先通過用戶物品之間的反饋關(guān)系來計(jì)算相似度矩陣進(jìn)而確定自己的鄰域節(jié)點(diǎn),然后通過鄰域節(jié)點(diǎn)的對(duì)于預(yù)測(cè)值進(jìn)行影響。
研究表明,將用戶物品反饋信息和外部的信息例如電影的演員分類等,進(jìn)行融合之后將會(huì)有效的提高推薦系統(tǒng)的準(zhǔn)確度,而且還能解決以前鄰域模型中的高計(jì)
2、算復(fù)雜度的問題。為了處理逐漸增加的數(shù)據(jù)類型,研究者們提出了將學(xué)術(shù)異質(zhì)網(wǎng)絡(luò)中的研究方法引入到推薦系統(tǒng)中來,但是這些新的模型并沒有注意到基于反饋關(guān)系和其他外部數(shù)據(jù)之間的差異,而這將在實(shí)際的推薦過程中引發(fā)嚴(yán)重的性能和與運(yùn)行時(shí)間問題。
本文詳細(xì)分析了用戶電影數(shù)據(jù)與學(xué)者論文數(shù)據(jù)的用戶行為的差異,并以此為基礎(chǔ)重新定義了推薦系統(tǒng)中的異質(zhì)網(wǎng)絡(luò)(HIN-RECSYS),提出不通過不確定的用戶-物品關(guān)系來確定初始鄰域,以避免系統(tǒng)運(yùn)行初期高耗時(shí)的相
3、似度矩陣的計(jì)算。在此之后,本文提出了一種叫做Heter-Neighbor的模型通過將新確定的鄰域和傳統(tǒng)的SVD++模型相結(jié)合,一方面通過外部數(shù)據(jù)快速的確定初始鄰域,另一方面通過矩陣分解以及全局優(yōu)化的方法將傳統(tǒng)基于反饋的相似度進(jìn)行快速迭代計(jì)算,保持了傳統(tǒng)鄰域推薦系統(tǒng)優(yōu)勢(shì)的同時(shí),避免了因新數(shù)據(jù)的引入而導(dǎo)致系統(tǒng)運(yùn)行時(shí)間的增加。經(jīng)過實(shí)驗(yàn)分析發(fā)現(xiàn)Heter-Neighbor模型在處理異質(zhì)網(wǎng)絡(luò)數(shù)據(jù)的時(shí)性能要優(yōu)于SVD++以及其他基于矩陣分解的經(jīng)典算
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(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)頁內(nèi)容里面會(huì)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(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
- 基于異構(gòu)信息網(wǎng)絡(luò)的協(xié)同過濾推薦技術(shù)研究.pdf
- 基于標(biāo)簽和可信鄰域的協(xié)同過濾推薦算法研究.pdf
- 基于社交網(wǎng)絡(luò)信息的協(xié)同過濾推薦算法研究.pdf
- 基于鄰域的協(xié)同過濾推薦系統(tǒng)相似度研究.pdf
- 基于社交網(wǎng)絡(luò)的協(xié)同過濾推薦算法研究.pdf
- 基于加權(quán)網(wǎng)絡(luò)的協(xié)同過濾推薦
- 基于社會(huì)網(wǎng)絡(luò)信息的協(xié)同過濾推薦方法研究.pdf
- 基于加權(quán)網(wǎng)絡(luò)的協(xié)同過濾推薦.pdf
- 基于復(fù)合信息的協(xié)同過濾推薦.pdf
- 推薦系統(tǒng)中基于內(nèi)存的協(xié)同過濾算法研究.pdf
- 基于用戶協(xié)同過濾推薦算法的研究.pdf
- 基于協(xié)同過濾技術(shù)的推薦算法研究.pdf
- 基于雙邊匹配的協(xié)同過濾推薦算法.pdf
- 基于協(xié)同過濾的圖書推薦算法研究.pdf
- 推薦系統(tǒng)中協(xié)同過濾算法研究.pdf
- 基于協(xié)同過濾技術(shù)的推薦算法研究
- 基于用戶行為協(xié)同過濾推薦算法.pdf
- 基于SVD的協(xié)同過濾推薦算法研究.pdf
- 基于協(xié)同過濾的器件推薦算法研究.pdf
- 協(xié)同過濾推薦算法研究.pdf
評(píng)論
0/150
提交評(píng)論