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、南京理工大學(xué)碩士學(xué)位論文基于項目特征模型的協(xié)同過濾推薦算法研究姓名：莊永龍申請學(xué)位級別：碩士專業(yè)：計算機應(yīng)用技術(shù)指導(dǎo)教師：陳清華20080601Abstract基于項目特征模型的協(xié)同過濾推薦算法研究AbstractDuetothechanginginformationtechnologyandquicklydevelopingnetwork，weencountertheproblemofinformationoverloadAgiant
2、amountofinformationmakeusertofeelverydifficulttosatisfytheirrealrequirementwhenmanuallyaccomplishinformationretrievalwork，SOdifferentpersonalizedrecommendationsystemscomeouttodayTherecommendationsystemsaccomplishpreferen
3、cetoitems，andwiththeutilityofKDrecommendationCollaborativefiltrationiStheinformationoverloadinformationfilteraccordingtouser’stechnologywecalTyoutpersonalizedtechnologywidelyusedforreducingWhencaculatingsimilarityinneare
4、stneighborsearchingamongthetargetitems，thetradionalItem—basedcollaborativefilteringrecommendationalgorithmonlyconsiderusers’evaluation，butnottaketheattributesofitemsthemselvsintoconsiderationSOwhentheusers’evaluationdata
5、isnotenough，itisdifficulttoaccuratelyattainnearestneighborsets，anditleadtorecommendationaccuracydecreasingsincethelossofinformationwhileformingthenearestneighborsetsofthetargetitemsAstotheproblemsexistingwiththetradional
6、Itembasedcollaborativefilteringrecommendationalgorithm，thispaperputforwardthecollaborativefilteringalgorithmbasedonitemcharacteristicmodel(AbbreviatedasICld—basedAlgorithm)Firstweconstructitemcharacteristicmodelontheoffi
7、inecontext，thenwithutilityofanewmethodtoselectunevaluateditemsweevaluatethoseiternswhichhavenotbeenevaluatedbyusers，andcalculateoutthesimilarityamongthem，atlastweobtainnearestneighborofthoseitemsandgiveoutrecommendationt
8、otheuserWeconstructexperimentaldatabasefromthepublicMovieLensdatasets，withthedatabaseweaccomplishtheexperimentofcollaborativefilteringalgorithmbasedonitemcharacteristicmodel，andcomparetheresultwiththetraditonalItembasedc
9、ollaborativefilteringalgorithm，whichtakerelationsimlarityasmeasuringstandardofsimlarityTheexperimentalresultsdemonstratethattherecommendationaccuracyofICM—。basedcollaborativefilteringrecommendationalgorithmisbetterthanth
10、eaccuracyoftraditionalItembasedcollaborativefilteringrecommendationalgorithmThroughtestandanalysisoftheexperimentaldataitisverifiedthatthealgorithmtaketheattributesofitemitselfanduser’Sevaluationintoconsideraton，SOthealg
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
- 基于資源特征的協(xié)同過濾推薦算法研究.pdf
- 基于信任模型的協(xié)同過濾推薦算法的研究.pdf
- 基于動態(tài)信任模型的協(xié)同過濾推薦算法研究.pdf
- 基于信任傳播模型的協(xié)同過濾推薦算法研究.pdf
- 基于商空間模型的協(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
- 基于協(xié)同過濾的圖書推薦算法研究.pdf
- 基于協(xié)同過濾技術(shù)的推薦算法研究
- 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
- 基于協(xié)同過濾的圖書推薦算法研究
- 基于信任傳播模型的協(xié)同過濾推薦算法研究(1)
- 基于多維用戶興趣模型的協(xié)同過濾推薦算法.pdf
- 面向協(xié)同過濾推薦算法的均模型研究.pdf
- 基于混合用戶模型的協(xié)同過濾推薦算法研究.pdf
- 基于信任的協(xié)同過濾推薦模型研究.pdf
- 基于MapReduce的協(xié)同過濾推薦算法研究.pdf
評論
0/150
提交評論