推薦系統(tǒng)支持使用向量機(jī)【外文翻譯】

1、0本科畢業(yè)論文外文翻譯本科畢業(yè)論文外文翻譯外文文獻(xiàn)譯文外文文獻(xiàn)譯文推薦系統(tǒng)支持使用向量機(jī)推薦系統(tǒng)支持使用向量機(jī)資料來源：德國施普林格科技出版社作者：SungHwanMin和IngooHan推薦系統(tǒng)憑借捕獲用戶行為數(shù)據(jù)已經(jīng)成為了一種重要的工具來應(yīng)對(duì)信息超載問題。在追蹤用戶的行動(dòng)之后，通過行為和比例計(jì)算機(jī)的推薦系統(tǒng)利用信息過濾技術(shù)推薦商品。為了推薦新的商品主要有以下三種途徑被廣泛地采用:基于內(nèi)容的過濾、協(xié)同過濾和混合過濾。本文提出了三個(gè)信息

2、過濾方法他們中的每一個(gè)都建立在上述三種途徑的基礎(chǔ)上。在我們的方法中用戶預(yù)置文件通過抽象數(shù)據(jù)結(jié)構(gòu)，用戶和商品間關(guān)系的計(jì)算公式是改編自抽象數(shù)據(jù)分析領(lǐng)域(SDA)的相異函數(shù)。憑借使用SDA工具已經(jīng)提升了推薦系統(tǒng)的表現(xiàn)尤其是在沒有太多用戶信息時(shí)，關(guān)于靠半衰期效用度量測(cè)算來搜索好商品的任務(wù)。就P2P應(yīng)用而言，無論是對(duì)本身就具有優(yōu)勢(shì)的分散化推薦系統(tǒng)還是對(duì)集成式推薦系統(tǒng)的必要性來說，對(duì)有效而分散的推薦系統(tǒng)的需求已受到一段時(shí)間的渴望。另一方面推薦系統(tǒng)的

3、精度往往受到數(shù)據(jù)缺乏的傷害。在本文中我們通過比較不同的基于用戶的分散式算法和基于商品的協(xié)同過濾（CF）算法，并提出一種新的基于用戶的為分散系統(tǒng)定制的隨機(jī)游動(dòng)方法專門設(shè)計(jì)用來處理稀疏數(shù)據(jù)。我們來說明對(duì)于分散環(huán)境，隨機(jī)游動(dòng)的應(yīng)用是怎樣的不同于集中式的版本。我們檢視隨機(jī)游動(dòng)的性能在不同的設(shè)置方法通過改變凈水劑的相似性度量方法與周邊的尺寸。此外我們存在的意義介紹了傳統(tǒng)術(shù)語用來增加加權(quán)相似度量的精度闡述如何影響算法性能的隨機(jī)游動(dòng)。在1000000

4、0年MovieLens仿真數(shù)據(jù)表明等級(jí)范圍內(nèi)的我們的算法優(yōu)于凈水劑分散碳纖維的方案。此外我們的結(jié)果表明分散方法比基于用戶執(zhí)行項(xiàng)目為基礎(chǔ)同行在P2P的推薦人的應(yīng)用。在本文中我們提出一個(gè)基于用戶的隨機(jī)漫步算法來提高以前分散的協(xié)同過濾推薦系統(tǒng)的精度。我們用流行協(xié)議分配每個(gè)用戶與附近的類似的同行。每個(gè)用戶在算法運(yùn)行的隨機(jī)游動(dòng)并計(jì)算鄰居她的推薦。該算法充分分散用戶是完全獨(dú)立于彼此在計(jì)算自己的推薦。我們根據(jù)市場的需要實(shí)行分權(quán)協(xié)同過濾封采用不同的相似

5、措施2一天的時(shí)間當(dāng)用戶聽了一定的音樂。這一特點(diǎn)能成為一個(gè)很好的預(yù)測(cè)推理用戶為的情緒。然而我們不能得到的數(shù)據(jù)特征。所以最后我們需要收集更多的不同特征代表環(huán)境背景。然后輸入功能為M3應(yīng)確定特點(diǎn)的選擇過程。本研究支持無所不在的自主計(jì)算和網(wǎng)絡(luò)工程、國家信息和溝通(MIC)二十一號(hào)世紀(jì)前沿研發(fā)項(xiàng)目在韓國。環(huán)境敏感是使用信息的情況下應(yīng)用程序正在運(yùn)行提供相關(guān)信息和或服務(wù)的用戶。術(shù)語“環(huán)境敏感的引入Schilit和Theimer。他們認(rèn)為的“語境”進(jìn)行